向量数据库

全新向量数据库SQL Server 2025：带你迈入AI驱动的数据未来上次大家下单的《微软憋大招：SQL Server + Copilot = 地表最强AI数据库！》抱怨迟迟没有发货，这次微软没有食言，终于发货！

水中加点糖

使用Spring AI中的RAG技术，实现私有业务领域的大模型系统在上一篇文章《使用SpringAI快速实现离线/本地大模型应用》中，记录了如何使用SpringAI来调用我们的本地大模型，如何快速搭建一个本地大模型系统，并演示本地大模型的智能对话、图片理解、文生图等功能。

不会编程的猫星人

向量数据库PGVECTOR安装已经安装好了pg14版本。其他版本也可以。 pg安装教程：https://blog.csdn.net/yushaoyyds/article/details/138855306?spm=1001.2014.3001.5502

讲文明的喜羊羊拒绝pua

AIGC学习笔记（2）——AI大模型开发工程师出现了难题问题发展分支缺点：多义词用到的技术：Python、Pytorch（用于开发机器学习和深度学习的框架）

Milvus 与 Faiss：选择合适的向量数据库向量数据库 Milvus 和 Faiss 都是处理大规模向量数据的工具，尤其适用于需要相似性搜索的场景，比如推荐系统、图像检索和自然语言处理等。但它们各自的设计初衷和功能有所不同，适用于不同的使用场景。下面，我们从性能、功能特性、部署和使用难度、适用场景等方面对它们进行对比。

老司机带你聊聊向量数据库随着人工智能、大数据技术的发展，传统数据库已经难以满足某些复杂应用场景的需求，尤其是在图像、语音、文本等非结构化数据的处理上，传统的精确匹配方式已经显得力不从心。最近几年，向量数据库应运而生，成为了热门话题。向量数据库的核心优势在于它可以通过将数据转化为高维向量，在相似性计算中找到更为接近的结果，而不再局限于传统数据库中对精确匹配的依赖。如今，越来越多的应用场景，特别是图片搜索、语音识别正在依靠向量数据库来解决问题。众多向量数据库产品也如雨后春笋不断冒出，Faiss 、Milvus、Pinecone、

python,pycharm,pytorch，向量数据库，环境搭建记录修改ubuntu上的pycharm镜像源，详细步骤-腾讯云开发者社区-腾讯云【超详细教程】2024最新Pytorch安装教程（同时讲解安装CPU和GPU版本）-CSDN博客

知识图谱融入向量数据库，带来RAG效果飞升随着大型语言模型（LLMs）在各种应用中的广泛使用，如何提升其回答的准确性和相关性成为一个关键问题。检索增强生成（RAG）技术通过整合外部知识库，为LLMs提供了额外的背景信息，有效地改善了模型的幻觉、领域知识不足等问题。然而，仅依靠简单的 RAG 范式存在一定的局限性，尤其在处理复杂的实体关系和多跳问题时，模型往往难以提供准确的回答。

828华为云征文 | 云服务器Flexus X实例：向量数据库 pgvector 部署，实现向量检索目录一、什么是向量数据库 pgvector ？二、pgvector 部署2.1 安装 Docker2.2 拉取镜像

Spring Boot集成Redis向量数据库实现相似性搜索Redis 是一个开源（BSD 许可）的内存数据结构存储，用作数据库、缓存、消息代理和流式处理引擎。Redis 提供数据结构，例如字符串、哈希、列表、集合、带范围查询的有序集合、位图、超对数日志、地理空间索引和流。

OpenPie｜拓数派

基于云原生向量数据库 PieCloudVector 的 RAG 实践近年来，人工智能生成内容（AIGC）已然成为最热门的话题之一。工业界出现了各种内容生成工具，能够跨多种模态产生多样化的内容。这些主流的模型能够取得卓越表现，归功于创新的算法、模型规模的大幅扩展，以及海量的高质量数据集。然而 AIGC 依然面临一系列挑战，检索增强生成（RAG）技术作为 LLM 的一项重要补充被提出。本文将结合实例演示，和大家一起探索基于 PieCloudVector 的 RAG 实践。

虹科网络安全

艾体宝洞察丨透过语义缓存，实现更快、更智能的LLM应用程序传统的缓存只存储数据而不考虑上下文，语义缓存则不同，它能理解用户查询背后的含义。它使数据访问更快，系统响应更智能，对 GenAI 应用程序至关重要。

OpenPie｜拓数派

云原生向量数据库 PieCloudVector 助力多模态大模型 AI 应用全球 AGI（人工通用智能）市场快速增长的背景下，企业应用成为推动这一领域发展的主要力量，企业如何选择合适的技术来支撑其智能化转型显得尤为重要。在墨天轮《数据库技术如何增强 AI 大模型？》数据库沙龙活动中，拓数派向量数据库负责人邱老师分享了向量数据库 PieCloudVector 在增强 AI 大模型方面的技术成果。

向量数据库和关系数据库的区别向量数据库和关系数据库在架构和数据组织方式上有明显的区别。下面将详细解释向量数据库中的数据库、集合、数据、索引、分区等概念，以及它们之间的关系，并将其与 MySQL 这样的关系数据库中的数据库、表、列、索引等概念进行对比。

向量嵌入入门：为开发者准备的机器学习技术可能你还未意识到，但向量嵌入已经渗透到我们生活的方方面面。它们是众多机器学习和深度学习算法的基石，广泛应用于从搜索引擎到人工智能助手等各类应用中。如果计划在这一领域构建自己的应用程序，向量嵌入几乎是不可避免会用到的技术。在本文中，我们将探讨向量嵌入的基本概念及其应用方式。

深入理解Faiss：高效向量检索的利器近年来，随着人工智能和机器学习技术的飞速发展，向量检索技术变得越来越重要。无论是在推荐系统、图像搜索还是自然语言处理等领域，向量检索都扮演着至关重要的角色。而在众多向量检索库中，Faiss（Facebook AI Similarity Search）无疑是最受欢迎的选择之一。本文将带你深入了解Faiss，探讨其核心原理、关键特性和实际应用。

如何定位Milvus性能瓶颈并优化假设您拥有一台强大的计算机系统或一个应用，用于快速执行各种任务。但是，系统中有一个组件的速度跟不上其他部分，这个性能不佳的组件拉低了系统的整体性能，成为了整个系统的瓶颈。在软件领域中，瓶颈是指整个路径中吞吐量最低的部分。如果机器中的某个齿轮转得不够快，整个系统的速度都会受到影响。因此，及时识别和解决瓶颈问题的重要性不言而喻，能显著提升计算机系统和应用的效率。

OpenPie｜拓数派

仅两家！云原生向量数据库 PieCloudVector 全项通过信通院「可信数据库」评测7月16日，2024 可信数据库发展大会在北京隆重举行。大会以“自主、创新、引领”为主题，近百位数据库领域的专家、学者齐聚一堂，带来高质量的数据库技术洞察与实战经验。

详解如何通过稀疏向量优化信息检索在信息检索方法的发展历程中，我们见证了从传统的统计关键词匹配到如 BERT 这样的深度学习模型的转变。虽然传统方法提供了坚实的基础，但往往难以精准捕捉文本的语义关系。如 BERT 这样的稠密检索方法通过利用高维向量捕获文本的上下文语义，为搜索技术带来了显著进步。然而，由于这些方法依赖于特定领域的知识，它们在处理领域外（out-of-domain）问题时可能会遇到困难。