索引 / 标签
#向量数据库
共 5 篇
- Ch13 RAG
深挖-pgvector
一句话理解 pgvector 是 PostgreSQL 的开源扩展，由 Supabase 主导维护，让传统关系型数据库原生支持向量存储和 ANN 搜索。它把向量变成了 PostgreSQL 的
约 4 分钟1,225 字 - Ch13 RAG
深挖-向量数据库
一句话理解 专门存储和检索高维向量的数据库系统，是 RAG（检索增强生成）的核心基础设施，支撑语义搜索、推荐系统、相似度去重等场景。 零基础理解 传统数据库存的是数字和文本，查询时做精确匹配；
约 4 分钟1,386 字 - Ch13 RAG
深挖-向量数据库选型
一句话理解 根据数据量级、运维能力、预算、功能需求（混合检索、GPU 加速、过滤能力）综合评估，选择最适合当前场景的向量数据库——没有"最好"的数据库，只有最匹配的。 选型决策树 按优先级依次
约 6 分钟1,849 字 - Ch20 推理部署
语义缓存 (Semantic Cache)
概述 语义缓存 (Semantic Cache) 是 LLM 应用中最简单、投资回报率最高的成本优化技术之一。它的核心思想是：将 LLM 的响应缓存在向量数据库中，当新查询与缓存中的查询语义相
约 4 分钟1,382 字 - Ch13 RAG