向量数据库
Vector Database
高级通用向量数据库（Vector Database）是存储嵌入向量并按相似度检索数据的数据库。它解决的是“用户说法与资料用词不同，却想找到相关内容”的问题，例如在产品帮助中心查找相近的问题。
你可能会说：「我想让用户用自己的话提问，也能找到帮助中心里措辞不同但意思相关的文章。」
动手看看帮助中心找改地址的方法
1
上线前，帮助中心先把「已支付订单如何修改收货地址」等资料交给模型，转成向量存进向量库。
要点向量数据库怎样找到相关内容？
- 1
先把内容变成可比较的向量
我们先用嵌入模型把文章片段转换成数字向量，再把向量和原文、文章 ID 一起存起来。向量数据库负责保存和检索这些数据，不负责理解原文或生成答案。
- 2
查询时寻找距离较近的内容
用户提问时，你用同一套嵌入模型把问题转成向量，再查找相近的记录。这样，即使提问和文章没有使用同一个词，也有机会找到相关片段；相近不等于答案一定正确。
- 3
结合筛选条件返回可用结果
做帮助中心搜索时，你可能只想查当前产品版本的公开文章。可以把版本、可见范围等信息作为筛选条件，并在结果里保留原文和来源，方便后续展示或核对。
容易混淆的地方
嵌入向量是内容转换后的数字表示，向量数据库是存放这些表示并检索相近记录的系统，两者不是一回事。它也不等同于关键词搜索：关键词搜索擅长匹配明确的词，向量检索擅长寻找语义相近的内容；产品里可以把两种结果结合起来。
什么时候用
适合用
- 做帮助中心搜索时，用户常用自己的说法描述问题，你想从大量文章中找出相关段落。
- 做基于内部文档的问答工具时，先检索相关片段，再把原文和来源交给模型组织回答。
- 给用户上传的资料做相似内容推荐时，需要从大量文本片段中找出意思接近的记录。
不适合用
- 后台按订单号查询订单时，用普通数据库的索引精确查找更直接，不需要把订单号转成向量。
- 报表要统计每月付款金额时，用数据库查询和聚合更合适，向量相似度不能替你算出准确总额。
- 资料只有几条，而且只按固定标题查找时，直接用普通查询或关键词匹配就够了。
练一练选一个答案，看看解释
你在做产品帮助中心。用户输入的问题常与文章标题用词不同，但你仍想找出相关段落，并且只展示当前版本的文章。你会选哪种做法？
让 AI 帮你做复制给 AI Agent 直接用
请为帮助中心设计向量数据库检索：按文章段落建立嵌入向量，保存原文、文章 ID 和产品版本；查询时检索相近段落并按版本筛选，返回内容与来源。请说明更新文章时如何同步数据，以及怎样验证检索结果。