向量数据库

深度解析影响 RAG 召回率的四大支柱——模型、数据、索引与检索面对大型语言模型（LLM）知识陈旧、容易幻觉的固有挑战，检索增强生成（RAG）技术已然成为构建可信、精准、知识渊博AI应用的行业基石。RAG的核心魅力在于它用强大的语义检索能力，为LLM实时注入了新鲜、准确的外部知识，它能真正理解用户的查询意图，从海量文档中找到与之“意思相近”而非仅仅“字面相同”的内容。

迢迢星万里灬

Java求职者面试：Spring AI、MCP、RAG、向量数据库与Embedding模型技术解析1. 请解释Spring AI是什么？它与传统Spring框架有何不同？Spring AI是Spring生态系统的一部分，专注于人工智能和机器学习相关的开发。与传统Spring框架相比，Spring AI提供了更丰富的工具和库来支持AI应用的构建，例如集成TensorFlow和PyTorch等深度学习框架。

浩哥的技术博客

向量数据库ChromaDB的使用ChromaDB 是一个开源的嵌入式向量数据库，专用于AI设计，好处这里就不多写了，这里做一个学习的记录。当前环境是Window，Python版本3.10

向量数据库Milvus在windows环境下的安装已安装docker desktop参考资料：Run Milvus in Docker (Linux) | Milvus Documentation

橙子小哥的代码世界

【大模型RAG】Docker 一键部署 Milvus 完整攻略本文概要Milvus 2.5 Stand-alone 版可通过 Docker 在几分钟内完成安装；只需暴露 19530（gRPC）与 9091（HTTP/WebUI）两个端口，即可让本地电脑通过 PyMilvus 或浏览器访问远程 Linux 服务器上的 Milvus。下面从环境准备、Docker 安装、容器启动、数据持久化、防火墙与安全组配置到客户端连接与常见故障排查，一步到位地给出完整操作指引，并汇总常见陷阱及修复方案。

在未来等你

互联网大厂Java求职面试：AI大模型与云原生技术的深度融合面试官：郑先生，假设我们要设计一个企业知识库与AI大模型深度融合的架构，如何处理知识库检索与大模型推理之间的性能瓶颈？

Milvus单机模式安装和试用1.安装ollama的package包；2.我们直接使用ChatOllama实例化模型，并通过invoke进行调用；

Chroma 向量数据库使用示例利用向量数据库进行高效的相似性搜索。具体步骤如下：加载文本嵌入模型：文本向量化：数据插入：相似性查询：

水中加点糖

各种数据库，行式、列式、文档型、KV、时序、向量、图究竟怎么选？慕然回首，发现这些年来涌现出了许多类型的数据库，今天抽空简单回顾一下，以便于后面用到时能快速选择。关系型数据库（RDBMS），我们常说的数据库就是指的关系型数据库。它的全称是关系型数据库管理系统（Relational Database Management System）。在关系型数据库中，数据以类似二维表格的方式以行式存储，表与表之间使用外键进行关联。

在未来等你

互联网大厂Java求职面试：AI大模型融合下的企业知识库架构设计与性能优化场景设定：某互联网大厂会议室，阳光透过落地窗洒在长桌上。技术总监李严肃端坐正中，手中拿着简历，眉头微皱。对面坐着穿着格子衫的程序员郑薪苦，手里握着一杯冰美式，脸上挂着标志性的憨笑。

在未来等你

互联网大厂Java求职面试：AI大模型推理服务性能优化与向量数据库分布式检索技术总监：（翻看着简历）郑薪苦，你在上一家公司参与过LLM推理服务的性能优化项目？说说你们是怎么做的。

.NET AI 生态关键拼图：全面解读 AI Extensions 和 Vector Extensions 如何重塑.NET开发生态关注.NET AI和.NET Vector原生开发已有半年之久了，其核心组件在历经这半年预发布期的持续迭代后，终于于5月16日和5月20日逐步发布了。。在此之前，基于预发布版本撰写的文章和调试工作常常受限于功能的缺失，许多特性无法正常调用，只能通过下载源代码进行调试。

在未来等你

互联网大厂Java求职面试：AI大模型推理优化与实时数据处理架构在当今的互联网行业中，Java作为核心语言之一，在云原生、AI集成和大数据处理等领域发挥着重要作用。本文将通过一场技术总监级别面试，展现Java开发人员在面对复杂技术挑战时的思考过程和解决方案。

在未来等你

互联网大厂Java求职面试：企业知识库与AI大模型深度融合架构面试官（技术总监）： “欢迎来到我们的面试，我是这里的首席架构师。今天我们将围绕企业知识库与AI大模型深度融合这一主题展开讨论。首先，请你介绍一下你对企业级LLM应用的理解。”

支持向量存储：PostgresSQL及pgvector扩展详细安装步骤！老工程接入RAG功能必备！之前文章和大家分享过，将会出一篇专栏（从电脑装ubuntu系统，到安装ubuntu的常用基础软件：jdk、python、node、nginx、maven、supervisor、minio、docker、git、mysql、redis、postgresql、mq、ollama等），目前CSDN专栏（https://blog.csdn.net/a13879442471/category_12899690.html）已经分享了jdk、node、redis、ollama、python的搭建，今天继续和大家分享ub

milvus学习笔记本文主要由AI生成，请注意自己查看源代码校验。Milvus 采用分布式微服务架构，将计算层（Proxy、QueryCoord、QueryNode、IndexCoord、DataCoord、DataNode 等）与存储层（Pulsar、MinIO/S3、etcd）分离，实现高并发、高可用和水平扩展。在查询场景下，查询请求首先经过前端 Proxy，由 Proxy 调度到后端查询服务，再由 QueryNode 在数据分片（segment）上并行执行向量检索，最后汇总结果返还给客户端。总体架构示意如图所示，重点标

.NET 原生驾驭 AI 新基建实战系列（八）：总结篇 ── 数据库技术的革命：从结构化到非结构化再到智能化的演进随着信息技术的飞速发展，数据库技术作为数据管理与存储的核心支柱，经历了从结构化到非结构化，再到如今智能化的深刻变革。每一次技术革新都不仅是对数据处理能力的提升，更是对人类利用数据方式的重新定义。特别是在人工智能（AI）时代，向量数据库的崛起为AI应用提供了高效的数据支持，标志着数据库技术迈入了智能化新阶段。

取啥都被占用

milvus+flask山寨《从零构建向量数据库》第7章case2继续流水账完这本书，这个案例是打造文字形式的个人知识库雏形。create_context_db:markdown_processor.py 这个文件如今大可不必了。

三天不学习

浅析AI大模型为何需要向量数据库？【入门基础】在 ChatGPT 等大型语言模型(LLM)爆发的今天，开发者们逐渐意识到一个关键问题：大模型本身并不存储知识，它们需要外部存储系统来扩展记忆能力。这就是向量数据库( Vector Database )越来越受关注的原因。

【嵌入模型与向量数据库】目录一、什么是向量？二、为什么需要向量数据库？三、向量数据库的特点四、常见的向量数据库产品FAISS 支持的索引类型 vs 相似度