向量数据库到底是怎么工作的？

▼最近直播超级多，预约保你有收获

今晚直播：《向量数据库核心技术和企业级案例实现》

 —1—

向量数据库是如何工作的？

MySQL 等传统数据库的工作原理，是在行和列中存储字符串、数字和其他类型的结构化数据，通常查询数据库中的行，其中值通常与我们的查询完全匹配。向量数据库中，是对非结构化的向量进行操作，通常应用相似性度量来查找与我们的查询最相似的向量，因此向量数据库只能提供近似结果，无法提供准确匹配。

向量数据库一般包括以下几个部分：索引、查询、过滤。

第一步、建立索引

向量数据库使用 HNSW（分层可导航小世界）等算法对向量进行索引，此步骤将向量映射到数据结构，以实现更快的搜索。索引的目标是通过创建可快速遍历的数据结构来实现快速查询，通常会将原始向量的表示形式转换为压缩形式以优化查询过程。HNSW 创建一个分层的树状结构，其中树的每个节点代表一组向量。节点之间的边代表向量之间的相似度。该算法首先创建一组节点，每个节点都有少量向量。这可以随机完成，也可以通过使用 k 均值等算法对向量进行聚类来完成，其中每个聚类都成为一个节点。

第二步、查询检索

向量数据库将索引查询向量与数据集中的索引向量进行比较，以找到最近的邻居，这里会应用该索引使用的相似性度量。相似性度量是用于确定向量空间中两个向量相似程度的数学方法。向量数据库中使用相似性度量来比较数据库中存储的向量并找到与给定查询向量最相似的向量。可以使用多种相似性度量，包括：余弦相似度、 欧氏距离、点积等相似度算法。

第三步、过滤结果

向量数据库中存储的每个向量还包含元数据。除了能够查询相似向量之外，向量数据库还可以根据元数据查询过滤结果。为此，向量数据库通常维护两个索引：向量索引和元数据索引。然后，它在向量搜索之前或之后执行元数据过滤。

更详细的技术剖析，放在今晚直播进行，请同学点击下方按钮预约直播。

 —2—

向量数据库有哪些落地的案例？

第一、构建企业知识库系统

向量数据库 + LLM 大模型技术组合，可以实现企业级专属知识库，提高知识检索效率。企业的私域数据在经过文本拆分、向量化后，可以存储在向量数据库中，从而在后续的检索任务中，为 LLM 提供提示信息，辅助 LLM 生成更加准确的答案索的解决方案。

第二、构建智能客服系统

智能客服是一种基于 AI 技术的解决方案，通过向量数据库存储企业知识（如商品信息、游戏信息等），并利用 LLM 进行自然语言处理，从而准确、高效地回答客户问题，提高客户满意度、降低企业客服成本。

第三、构建智慧辅导系统

AI 赋能的教育 APP 结合向量数据库和LLM技术，能够快速、准确地检索与问题相关的题目及解析，并根据学生的理解程度提供易懂的答案，显著提高学习效果和体验，从而提升产品易用性和粘性。

还有更多基于向量数据库的企业级案例，今晚20点直播我会详细剖析，直播精彩看点：

1、向量数据库总体架构设计

2、向量数据库核心技术设计剖析

3、基于向量数据库和LLM构建企业级短视频检索案例实战

请同学点击下方按钮预约直播，咱们今晚20点直播见！

END