AI知识库开发，向量数据库怎么选？

摘要：向量数据库就是存储一些浮点数组的数据库，简单理解为能保存数据和根据一个相似数据进行查询即可，传统数据库开发者可以轻松上手，sql数据库和文档数据库用户都可以无缝衔接。比如MySQL 9支持了vector字段类型，postgresql通过pgvector插件实现

AI大模型开发中，有一个重要技术那就是向量检索，如果需要搭建AI知识库系统，向量数据库是不可不知的技术。

向量数据库就是存储一些浮点数组的数据库，简单理解为能保存数据和根据一个相似数据进行查询即可，传统数据库开发者可以轻松上手，sql数据库和文档数据库用户都可以无缝衔接。比如MySQL 9支持了vector字段类型，postgresql通过pgvector插件实现向量数据库功能，而原生AI向量数据库则更类似于MongoDB类似的文档数据库，比如Milvus、Qdrant等。

注意了，MySQL 9虽然支持了vector类型字段，但是目前官方不支持相似度搜索，尽管可以通过增加一些余弦函数自定义计算算法函数实现检索功能，但是这种做法不推荐，未来版本99.99%会实现，或者和pgsql一样第三方插件实现，但目前真不行。

目前有很多开源免费的向量数据，甚至可以在原sql数据库基础上使用向量功能，不过各有优缺点，新手很难挑选自己需要的数据库，本人经过大量踩坑，学习对比，从一个新人角度为你解惑，该怎么选向量数据库。

如果你是Postgresql用户，首选pgvector插件(https://github.com/pgvector/pgvector)，开源免费的，可以在官方仓库找到具体的安装方法，同时也支持直接使用官方docker镜像使用(https://hub.docker.com/r/pgvector/pgvector)。不过需要注意的是，很多第三方orm工具就不支持向量查询方法了，得手动实现你的sql语法。

如果你是sqlite用户，或需要在本地应用内嵌向量数据库，可以使用LibSQL(https://turso.tech/libsql)，这是一个Rust重构的sqlite增强版本，原生支持向量数据类型和向量检索。成功案例有CherryStudio这个AI工具，就是使用LibSQL搭建，CherryStudio自己也是开源的，你完全可以通过查看源代码查看CherryStudio的本地知识库是怎么实现的，或者直接把源代码fork下来自行修改成自己需要的知识库软件。https://github.com/kangfenmao/cherry-studio/ LibSQL提供主流编程语言的SDK(Javascript/Typescript、Rust、Go、Python、PHP、Ruby、Android、Swift、C、Flutter/Dart)，支持本地部署也支持http远程，即使不使用向量数据，也完全可以作为sqlite的替代品。

如果不明确自己需要什么向量数据库，我推荐Qdrant，是类似MongoDB的文档向量数据库，优点有几个，安装部署简单，可以docker快速部署，也可以使用官方提供的免费云版本进行入门学习，支持主流编程语言的SDK(python、Rust、Go、Java、.NET、Javascript/Typescript)。