> ## Documentation Index
> Fetch the complete documentation index at: https://ikun.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 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：

<Steps>
  <Step title="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。
  </Step>

  <Step title="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。
  </Step>

  <Step title="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。
  </Step>
</Steps>

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。

<Card title="⚡ 异步操作">
  <p>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。</p>

  <Tip className="mt-4">
    在使用 Agno 构建时，请在生产环境中使用 <code>aload</code> 方法进行异步知识库加载。
  </Tip>
</Card>

## 支持的向量数据库

目前支持以下 VectorDb：

* [PgVector](/vectordb/pgvector)\*
* [Cassandra](/vectordb/cassandra)
* [ChromaDb](/vectordb/chroma)
* [Couchbase](/vectordb/couchbase)\*
* [Clickhouse](/vectordb/clickhouse)
* [LanceDb](/vectordb/lancedb)\*
* [Milvus](/vectordb/milvus)
* [MongoDb](/vectordb/mongodb)
* [Pinecone](/vectordb/pinecone)\*
* [Qdrant](/vectordb/qdrant)
* [Singlestore](/vectordb/singlestore)
* [Weaviate](/vectordb/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。