问答题【126/1935】向量数据库的作用是什么?

难度:
2026-06-08 创建
想动手验证一下?打开练习场,写代码、看结果。在线练习

参考答案:

向量数据库在 RAG 中主要承担“可检索知识库”的角色。

RAG 的核心流程是:先把文档、网页、FAQ、代码、知识库等非结构化内容切分成片段,再通过 Embedding 模型转换成向量,存入向量数据库。当用户提问时,也会把问题转换成向量,然后在向量数据库里做相似度检索,找到语义上最相关的内容片段,再把这些内容作为上下文交给大模型生成答案。

它的价值不只是“存向量”,更重要的是支持高效的语义检索。传统数据库更适合精确匹配,比如根据 ID、状态、时间查数据;而向量数据库适合回答“意思相近但表达不同”的问题。例如用户问“怎么重置密码”,知识库里写的是“忘记登录凭证如何找回”,关键词不完全一致,但向量检索仍然可以找到相关内容。

在工程上,向量数据库通常还会提供索引能力、相似度计算、TopK 检索、元数据过滤、分片扩展、增量更新等能力。比如在企业知识库场景中,可以先按部门、权限、文档类型、时间范围过滤,再做向量相似度搜索,这样既能提升召回质量,也能避免把用户无权访问的内容传给大模型。

需要注意的是,向量数据库本身不负责生成答案,它负责把“可能相关的知识”找出来。真正生成自然语言回答的是大模型。RAG 的效果很大程度取决于检索质量,如果向量数据库召回的内容不准确、不完整,后面的模型即使能力很强,也容易基于错误上下文生成低质量答案。

最近更新时间:2026-11-17

赞赏支持

题库维护不易,您的支持就是我们最大的动力!