پایگاه دادهی برداری، کتابخانهی امبدینگهاست: میلیونها بردار را نگه میدارد و در کسری از ثانیه «نزدیکترینها» را پیدا میکند. تکنیکهای ANN (همسایگی نزدیک تقریبی) مثل HNSW سبب میشوند این کار مقیاسپذیر بماند.
در معماری RAG، این همان «حافظهی بیرونی» است: پایگاه دانش شما امبدینگ و اینجا ذخیره میشود و موقع پاسخ، تکههای مرتبط بیرون کشیده میشوند. ابزارهای معروف: Pinecone، Weaviate، Qdrant، Milvus و pgvector.
نکتهی انتخاب: اگر پایگاه دادهی شما PostgreSQL است، pgvector اغلب کافی است؛ پایگاه برداری اختصاصی وقتی میآید که مقیاس یا نیازهای فیلترینگ ترکیبی جدی شده باشد.
