day22 了解： 向量数据库原理（相似度检索）
什么是向量数据库？
向量数据库（Vector Database）是一类专门用于存储高维向量（embeddings）并进行相似度搜索的数据库。它是现代 AI/RAG 系统（如文档问答、搜索增强生成）的核心组件。
🔸 为什么需要向量数据库？
因为传统数据库只擅长结构化数据（数字、文本等），无法处理：
-
句子"我喜欢苹果"和"I enjoy eating apples"
→ 虽然文字不同，但语义接近
-
用关键字搜索无法知道语义相似度
向量数据库通过将文本/图片/音频转为向量，可以进行 语义搜索。
向量数据库的核心原理
向量数据库主要做三件事：
✔️ 1. 向量化（Embedding）（详细解释见day19）
将文本转换为一个高维向量，例如：
"我喜欢苹果" → [0.12, -0.88, 0.55, ...] # 768维向量常见模型：
OpenAI Embedding
BGE-base
sentence-transformers
Cohere embedding向量的含义：每个维度表示语义的一种"特征"。
✔️ 2. 相似度度量（Similarity Metric）(day19)
常用方式：
余弦相似度 Cosine similarity（最常见）
点积 Dot Product
欧氏距离 L2 Distance向量越接近 → 内容越相似。
✔️ 3. 向量检索（ANN：Approximate Nearest Neighbor）
由于向量维度很高，普通遍历太慢，因此使用 ANN 加速。
常见的索引结构：
| 算法 | 描述 | 应用 |
|---|---|---|
| HNSW | 图结构，性能强 | Milvus / Qdrant |
| IVF-FLAT | 分桶+暴力计算 | Faiss |
| PQ/OPQ | 向量压缩 | 大规模场景 |