2.5 向量資料庫簡介

文字轉成向量之後，這些向量要存在哪裡？每次提問都從頭算一遍太慢，所以我們需要一個專門為向量設計的儲存和搜尋系統，這就是向量資料庫（vector database）。

它做什麼

向量資料庫的核心功能是：

1. 儲存向量，以及對應的原始文字和附加資訊（metadata）。
2. 建立索引，讓大量向量之間的相似度搜尋可以很快完成（用的就是 2.4 講的 ANN）。
3. 查詢：給一個問題向量，回傳最接近的 k 筆，附上分數。
4. 過濾：可以加條件，例如「只在 2024 年之後的文件裡找」「只找某個部門的文件」。
5. 管理資料：新增、更新、刪除。

和一般資料庫有什麼不同

	傳統資料庫	向量資料庫
查詢方式	精確比對，例如「年齡大於 30」	相似度搜尋，例如「找最像這句話的 5 筆」
資料型態	數字、文字、日期等欄位	高維向量，通常再加原文和 metadata
結果	符合就是符合，不符合就不是	一份依相似度排序的清單
索引	B-tree 等	HNSW、IVF 等近似搜尋結構

存進去的長什麼樣子

一筆資料通常包含這幾個部分：

id        ：chunk-0017
vector    ：[0.012, -0.53, 0.88, ... ]
text      ：員工年資滿六個月，可享有三天特別休假……
metadata  ：{ "來源": "人事規章.pdf", "頁數": 12, "更新日期": "2026-01-15" }

為什麼要連原文一起存？因為檢索找到的是向量，但最後要交給模型的是文字。metadata 則可以用來過濾，也可以在回答時標出處（第 4 章會用到）。

常見的類型

專用的向量資料庫

• Chroma：輕量，適合在自己電腦上開發、做原型。
• Qdrant、Weaviate、Milvus：功能完整，可以自己架設，也有雲端版本。
• Pinecone：全託管的雲端服務，不用自己維運。

向量搜尋函式庫

• FAISS（Meta 開發）：是函式庫，不是完整的資料庫。搜尋速度快，但資料管理、過濾這些要自己處理。

在既有資料庫上加向量功能

• PostgreSQL 的 pgvector 擴充套件：如果你本來就在用 PostgreSQL，可以直接在同一個資料庫裡存向量。

這些工具的功能和價格都在持續變動，選用前請以官方文件為準。

小提醒

• 向量資料庫存的是你處理好的資料，資料怎麼切、怎麼加 metadata，會直接影響檢索品質。這是第 3 章的重點。
• 資料更新後，對應的向量要跟著更新，不然檢索到的會是舊內容。