PostgreSQL 16 搭配 PgVector：Windows 11 完整安装教程

一、前言

[1. 向量数据库](#1. 向量数据库)

[2. PgVector 应用场景](#2. PgVector 应用场景)

[二、关于 PgVector](#二、关于 PgVector)

[1. PgVector 是什么](#1. PgVector 是什么)

[2. PgVector 可以做什么](#2. PgVector 可以做什么)

[三、Windows11 环境下安装详解](#三、Windows11 环境下安装详解)

[1. 安装方式汇总](#1. 安装方式汇总)

[2. 前置环境准备](#2. 前置环境准备)

[（1）安装 PostgreSQL 16](#（1）安装 PostgreSQL 16)

[2.安装 PgVector](#2.安装 PgVector)

[3. 重启 PostgreSQL 服务](#3. 重启 PostgreSQL 服务)

[四、PgVector 功能测试](#四、PgVector 功能测试)

[1. 连接 PostgreSQL](#1. 连接 PostgreSQL)

[2. 创建测试数据库](#2. 创建测试数据库)

[3. 启用 PgVector 扩展](#3. 启用 PgVector 扩展)

[4. 基础实例测试](#4. 基础实例测试)

一、前言

1. 向量数据库

随着大模型、AI 检索、智能推荐、图文匹配等业务快速落地，向量检索 成为技术架构中不可或缺的一环。文本、图片、音频、视频等非结构化数据，都会通过 Embedding 模型转化为多维向量，业务依靠向量相似度完成匹配、搜索、聚类等操作。传统关系型数据库无法高效处理海量向量的相似度计算，专用向量数据库应运而生。但独立部署向量库会增加运维成本、数据同步成本与架构复杂度。在此背景下，基于传统数据库扩展实现向量能力的方案，凭借低侵入、易集成、复用原有生态等优势，成为中小型项目、个人开发、企业内部系统的首选。

2. PgVector 应用场景

PgVector 作为 PostgreSQL 生态下的向量扩展，完美融合了关系型数据库的事务能力与向量检索能力，典型应用场景如下：

AI 语义检索：知识库、问答系统、文档检索，将文本向量化后实现语义匹配；
多媒体检索：图片、音频、视频以向量形式存储，实现以图搜图、相似音视频查找；
个性化推荐：用户行为、内容特征向量化，完成商品、内容智能推荐；
数据分析与聚类：用户分群、内容归类、异常检测等向量聚类场景；
混合查询业务 ：同时需要结构化数据查询 + 向量相似度检索的混合业务，无需拆分多套存储。

本文基于 Windows 11 系统，搭配主流的 PostgreSQL 16 版本，手把手完成 PgVector 安装、配置与功能验证，适合开发、测试、学习环境使用，如需在生产环境进行使用，可以切换至Linux环境进行安装配置更佳。

二、关于 PgVector

1. PgVector 是什么

PgVector 是一款开源 PostgreSQL 扩展插件 ，由 ankane 团队维护，原生为 PostgreSQL 增加向量数据类型与向量检索能力。它不改变 PostgreSQL 原有架构，以扩展形式运行，兼容 PostgreSQL 完整生态（事务、索引、JOIN、备份恢复、权限管理等）。目前支持 PostgreSQL多个版本，兼容主流操作系统，同时提供源码编译、容器、包管理等多种部署方式，是目前Postgres 体系中使用最广泛的向量检索扩展。

2. PgVector 可以做什么

多类型向量存储：支持普通浮点向量、半精度向量、二进制向量、稀疏向量，适配不同精度与存储需求；
丰富距离算法：内置 L2 距离、内积、余弦距离、L1 距离、汉明距离、杰卡德距离，覆盖绝大多数相似度计算场景；
双层检索模式 ：支持精确检索 （百分百召回）与近似最近邻检索（牺牲少量召回换取极致速度）；
专业向量索引：提供 HNSW、IVFFlat 两大主流向量索引，应对千万级甚至亿级向量数据检索优化；
全量 SQL 兼容：使用标准 SQL 完成向量增删改查、条件过滤、聚合计算，学习成本极低；
ACID 事务保障：继承 PostgreSQL 事务特性，向量数据同样支持事务、回滚、并发控制，数据安全性更高。

简单来说：有了 PgVector，你的 PostgreSQL 就能直接当作「关系型数据库 + 向量数据库」二合一存储使用。为什么要提基于PG生态的，很多中小企业，我们的存储和计算的能力都放在数据库中。由于技术储备的同学其实没有那么多，因此我们尽量精简技术栈，降低运维的难度。熟悉的PostGIS就是基于PG的GIS扩展，我们很多的业务都可以基于PostGIS来进行开展。

三、Windows11 环境下安装详解

这里介绍一下博主的开发环境，使用的Window11操作系统，64位。设备硬件信息如下：

如果大家的开发环境是在Linux中的，看到这里就可以划走了。言归正传，下面继续深入对PgVector进行讲解。

1. 安装方式汇总

一般来讲，PgVector 主要有 4 种安装方案，大家可根据自身环境选择：

源码编译安装：Linux、Mac、Windows 通用，自由度最高，可自定义版本，本文重点讲解 Windows 源码编译；
Docker 容器部署：一键拉起集成 Postgres + PgVector 的镜像，适合快速体验、测试环境；
包管理器安装：Linux 发行版、macOS 可通过 APT、YUM、Homebrew 等直接安装，Windows 支持 conda 安装；
云托管服务：各大云厂商托管 PostgreSQL 服务大多已预装 PgVector，无需手动部署。

对于 Windows 11 本地开发、调试场景，这里我们使用最简单的方法，使用预编译的版本进行安装。

2. 前置环境准备

（1）安装 PostgreSQL 16

首先确保系统已安装 **PostgreSQL 16，**根据环境的需要，也可以安装更高的版本，步骤简述：

前往 PostgreSQL 官网下载 Windows 安装包（PostgreSQL 16.x）；
双击安装，自定义安装路径（本文默认路径：D:\Program Files\PostgreSQL\16），设置超级管理员 postgres 密码；
保持默认端口 5432，完成安装，启动 PostgreSQL 服务。

关键记录：PostgreSQL 根目录 PGROOT=D:\Program Files\PostgreSQL\16，后续编译需要用到。

2.安装 PgVector

这里我们使用一种的简单的方法来安装PgVector。当然，大家可以通说自定义编译的方式进行安装。如果大家仅为了学习和使用PgVector，可以参考本文的使用预编译的方式进行安装。

下载windows预编译文件

在浏览器中输入以下地址，可以找到已经编译好的PgVector的编译版本，

bash 复制代码

https://github.com/andreiramani/pgvector_pgsql_windows/releases?page=1

下载适配PostgreSQL16版本的PgVector（本文使用稳定版 v0.8.2）

bash 复制代码

https://github.com/andreiramani/pgvector_pgsql_windows/releases/tag/0.8.2_16.1

需要注意的是，大家在下载时根据本地的实际环境和软件版本来选择下载。

解压文件

将上面解压出来的文件夹，除了readme.txt之外，都复制到PG16的安装目录下，复制过去之后，选择覆盖所有。

3. 重启 PostgreSQL 服务

安装完成后，重启 PostgreSQL 服务使扩展生效：

按下 Win + R 输入 services.msc 打开服务列表；
找到 postgresql-x64-16 服务，右键重启。

四、PgVector 功能测试

本节通过标准 SQL 完成「创建数据库 → 启用扩展 → 建表 → 插入向量 → 相似度检索」全流程，验证前面的PgVector安装环境可用性。

1. 连接 PostgreSQL

使用任意客户端连接（PostgreSQL 自带 psql、DBeaver、Navicat、pgAdmin 均可），本文以Navicat17为例：

2. 创建测试数据库

bash 复制代码

-- 创建向量测试库
CREATE DATABASE hydromind_db;

3. 启用 PgVector 扩展

每个数据库都需要单独执行一次启用命令：

复制代码

CREATE EXTENSION IF NOT EXISTS vector;

执行无报错，代表 PgVector 扩展加载成功。

4. 基础实例测试

（1）创建带向量字段的数据表

创建一张测试表，包含自增主键与 3 维向量 字段：

bash 复制代码

-- 创建测试数据表
CREATE TABLE sample_vectors (
    id SERIAL PRIMARY KEY,
    embedding VECTOR(3),
    description TEXT
);

（2）插入向量数据

向量以数组格式写入：

bash 复制代码

-- 插入示例向量数据
INSERT INTO sample_vectors (embedding, description) VALUES 
('[1,2,3]', '简单向量示例'),
('[4,5,6]', '另一个测试向量');

（3）余弦距离查询

演示另一种常用相似度算法（余弦距离）：

bash 复制代码

-- 执行向量相似性搜索测试
SELECT id, description, embedding <-> '[3,1,2]' AS distance 
FROM sample_vectors 
ORDER BY distance 
LIMIT 3;

以上 SQL 全部正常执行、返回结果，说明 PostgreSQL 16 + PgVector0.8.2 在 Windows11 环境部署完成。

五、总结

本文基于 Windows 11 + PostgreSQL 16，使用预编译安装的方式完成 PgVector 部署，适配本地开发、学习、测试场景，步骤完整且可落地；
PgVector 作为 Postgres 生态的向量扩展，兼顾关系型数据库的稳定性与向量检索的能力，大幅简化 AI 检索类项目的架构与运维；
基础测试仅演示了向量增查与基础距离算法，后续可进一步探索 HNSW/IVFFlat 向量索引、高维向量、混合条件查询等高级用法。

如果是生产环境，建议优先考虑 Linux 部署或 Docker 容器化方案；个人学习、本地调试，Windows 这套方案完全够用。行文仓促，定有不足之处，欢迎各位朋友在评论区批评指正，不胜感激。