什么是向量和向量数据库？
向量（Vector）是把文字、图片等内容转换成一串数字坐标的表示方式，意思相近的内容在坐标系里距离相近；向量数据库是专门存储和快速搜索这些坐标的数据库，是 RAG 系统的核心基础。
用一个类比理解
普通数据库按关键词搜索，像在图书馆按书名找书——书名里没有你用的词就找不到。向量数据库按"意思"搜索，像一个记住了每本书内容精华的图书馆员——你说"关于爱情和背叛的小说"，他会帮你找出《霸王别姬》《廊桥遗梦》，哪怕书名里没有这两个字。
向量是怎么生成的？
用一种叫"嵌入模型"（Embedding Model）的 AI，把文字转成一串几百上千个小数组成的数字串。这串数字在高维空间里是一个坐标点，意思相近的文字，坐标点就靠得近。
它在 RAG 里怎么用？
- 把你的文档全部转成向量，存进向量数据库
- 用户提问时，把问题也转成向量
- 在数据库里找距离最近（语义最相似）的文档片段
- 把这些片段喂给大模型，让它基于真实内容回答
常见误解
- "向量数据库是新型数据库，会取代 MySQL"——两者不是替代关系，向量数据库解决的是"语义搜索"问题，传统数据库处理结构化数据，二者常常配合使用。
- "向量搜索一定比关键词搜索好"——语义搜索的优势是理解意思，但关键词搜索在精确匹配时反而更快更准。