什么是向量数据库？

向量数据库使我们能够将信息存储为嵌入，并使用余弦相似度或全文搜索来查找与我们输入查询“相似”的结果。然后，这些结果作为上下文提供给 Agent，以便 Agent 可以使用检索增强生成 (RAG) 以一种了解上下文的方式进行响应。

以下是向量数据库与 Agents 的使用方式：

1. 分块信息

   将知识分解成小块，以确保我们的搜索查询 只返回相关结果。

2. 加载知识库

   将这些块转换为嵌入向量，并将其存储在向量数据库中。

3. 搜索知识库

   当用户发送消息时，我们将输入消息转换为嵌入，并在向量数据库中“搜索”最近邻。

许多向量数据库也支持混合搜索，它将向量相似性搜索的强大功能与传统的基于关键字的搜索相结合。这种方法可以显著提高搜索结果的相关性和准确性，尤其是在处理复杂查询或多样化数据类型时。

混合搜索通常通过以下方式工作：

1. 执行向量相似性搜索以查找语义上相似的内容。
2. 进行基于关键字的搜索以识别精确或接近的匹配项。
3. 使用加权方法组合结果，以提供最相关的信息。

这种能力允许更灵活和强大的查询，通常比单一方法能产生更好的结果。

⚡ 异步操作

多个向量数据库支持异步操作，通过非阻塞操作、并发处理、降低延迟以及与 FastAPI 和 async agents 的无缝集成来提高性能。

在使用 Agno 构建时，请在生产环境中使用 aload 方法进行异步知识库加载。

支持的向量数据库

目前支持以下 VectorDb：

• PgVector*
• Cassandra
• ChromaDb
• Couchbase*
• Clickhouse
• LanceDb*
• Milvus
• MongoDb
• Pinecone*
• Qdrant
• Singlestore
• Weaviate

*支持混合搜索

这些数据库各有其优势和特性，包括对混合搜索和异步操作的支持程度不同。请务必查看每个数据库的特定文档，以了解如何在您的项目中充分利用其功能。