پرش به محتوای اصلی

جست‌وجو در مدل‌ها، ابزارها، سرویس‌ها، شرکت‌ها، ارائه‌دهندگان، APIها، پلن‌ها، مقالات و اخبار.

معماری و مدل‌ها

پایگاه داده‌ی برداری

Vector Database

پایگاه داده‌ی برداری

پایگاه داده‌ای که برای جستجوی سریع امبدینگ‌ها ساخته شده و پیدا کردن «مشابه‌ترین» محتوا را ممکن می‌کند؛ حافظه‌ی بیرونی RAG معمولاً همین است.

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.

بازگشت به واژه‌نامه