8 向量数据库：AI 的知识仓库

引子

前面我们学习了 Embedding，知道了如何把文本转成“语义向量”，并用相似度来判断“哪些文档更相关”。
但是问题来了：如果企业有 几万份文档、上百万条 FAQ，难道要一条一条算相似度吗？
这时候就需要 向量数据库（Vector Database） —— 它是 AI 的知识仓库。

---

一、核心概念（零基础友好解释）

1. 为什么需要向量数据库？

• 通俗解释：想象有几万个“语义坐标点”，如果用 Excel 储存和检索，速度会很慢。
• 专业定义：向量数据库是专门存储、索引、检索高维向量的数据库，能在海量文本里快速找到最相关的几个。

2. 向量数据库能做什么？

• 高效相似度搜索：毫秒级检索百万条数据。
• 支持 RAG：作为“文档检索层”，为大模型提供上下文。
• 可扩展：支持动态新增文档，不用每次都重新训练模型。

3. 常见向量数据库

• Faiss：Facebook 开源，轻量、适合本地实验。
• Qdrant：开源、性能好，支持云端与本地部署。
• Milvus：国产开源，支持分布式大规模场景。

👉 一句话总结：Embedding 是语义理解，向量数据库是存储与检索的地基。

---

二、实践环节：用 Faiss 搭建一个迷你知识库

我们用 bge-base-zh 生成 Embedding，用 Faiss 存储和检索。

1. 安装依赖

pip install faiss-cpu sentence-transformers

2. Python 代码（保存为 vector_db_demo.py）

import faiss
import numpy as np
from sentence_transformers import SentenceTransformer

# 1. 加载中文优化的 Embedding 模型
model = SentenceTransformer("BAAI/bge-base-zh")

# 2. 假设有一组文档（企业内部制度）
docs = [
    "公司年假制度：每年10天年假。",
    "公司病假制度：每年7天病假。",
    "公司差旅报销流程：先申请，再报销。",
    "GPU 显存不足会导致大模型推理失败。"
]

# 3. 将文档转为向量
embeddings = model.encode(docs, convert_to_numpy=True, normalize_embeddings=True)

# 4. 构建向量索引
dim = embeddings.shape[1]                 # 向量维度
index = faiss.IndexFlatIP(dim)            # 使用内积（IP）做相似度
index.add(embeddings)                     # 添加文档向量

# 5. 查询
query = "请问公司的年假有多少天？"
query_emb = model.encode([query], convert_to_numpy=True, normalize_embeddings=True)

# 6. 搜索前2个最相关文档
D, I = index.search(query_emb, k=2)

print("查询：", query)
print("检索结果：")
for idx in I[0]:
    print("-", docs[idx])

3. 运行结果（示例）

查询： 请问公司的年假有多少天？
检索结果：
- 公司年假制度：每年10天年假。
- 公司病假制度：每年7天病假。

👉 可以看到，系统正确找到了和“年假”最相关的文档。

---

三、产品经理思考

1. 为什么向量数据库是企业 AI 的核心？

• 知识管理：把合同、制度、FAQ 向量化存储，才能支持智能问答。
• 性能保障：在百万文档中也能秒级检索，不影响用户体验。
• 可扩展性：企业资料随时更新，向量库能增量添加，不必重训模型。

2. 在 PRD 中要考虑的要点

• 文档规模：是 1 万条还是 100 万条？
• 更新频率：新文档多久能检索？
• 安全隔离：不同部门/客户的知识库要分开存储。
• 结果展示：是否需要展示“引用来源”来增加可信度？

3. 案例

• 企业知识库助手：员工可以问“差旅报销流程”，秒级返回正确制度。
• 客服机器人：客户提问时，能直接命中文档 FAQ。
• 合规系统：确保回答能溯源到合同条款。

---

四、小结

今天我们学习了：

• 向量数据库 = AI 的知识仓库，用来存储和检索 Embedding。
• 常见方案有 Faiss（实验）、Qdrant/Milvus（生产）。
• 实验：用 Faiss 搭建了一个迷你知识库，回答“公司年假制度”。
• PM 角度：向量数据库决定了产品的扩展性、性能和可信度。

---