数据和搜索 · · 1 分钟。阅读

为什么需要 pgvector:PostgreSQL 中的向量搜索

通过在 PostgreSQL 中存储数据来查找文档中的语义匹配。

简短回答

什么是 pgvector 以及为什么需要它?

pgvector - 用于查找接近向量表示的 PostgreSQL 扩展。向量基映射对象的数字描述;对于文本,这有助于找到语义匹配。当需要对已托管在 PostgreSQL 中的数据进行此类搜索时,pgvector 非常有用。

Elena Artemova(叶莲娜·阿尔捷莫娃 / Елена Артемова) · 发布 · 更新 · 该工具的目的 · 附应用实例.

语义搜索解决什么问题?

一个人可以用文档中没有的文字提出问题。文字匹配不会给出所需的片段,尽管它本质上回答了问题。向量表示允许您在数字空间中搜索公式的接近度。

在此方案中,区分准备表示和搜索表示非常重要。 pgvector 负责在 PostgreSQL 内部进行搜索的能力。它不能独立确定允许使用哪些文档以及表示模型传达其含义的准确程度。

为什么选择扩大现有基地

单独的搜索存储创建另一个数据更新边界。如果信息已经在 PostgreSQL 中,则该扩展允许您考虑使用较少独立组件的选项。这是选择的架构原因,而不是普遍利益的承诺。

pgvector 团队于 2026 年 2 月 26 日发布的帖子确认了扩展的目的:矢量邻近搜索。该出版物还表明,搜索组件需要与主数据库一起维护和更新。

搜索的有用性并没有证明什么

接近的片段是答案的候选者。其适用性取决于文档版本、范围和上下文的完整性。类似的过时文本可能不如不太相似的当前源有用。

因此,pgvector的价值应该与数据选择规则一起评估。为了进行精确的标识符或算术计算,您需要一种适当的方式来访问数据。语义接近不应取代任务的确切条件。

什么时候需要,什么时候不需要?

当按含义重复搜索并且已选择 PostgreSQL 时,考虑 pgvector 是有意义的。对于一小部分文档,更简单的解决方案可能就足够了;对于其他操作要求,单独的搜索服务是合适的。

在选择之前,收集具有已知答案基础的问题很有用。我们不仅考虑成功的匹配,还考虑缺乏合适的文件。这样的分析表明语义搜索是否真正解决了读者的问题以及系统的其他部分还存在哪些错误。

示例

查找采购审批条件

任务
在条件档案中,问题是:“谁允许非标准支付?”当前文件使用“特殊和解条件协议”这一表述。
工具的作用
应用程序接收问题向量并通过 pgvector 搜索相似的片段。然后检查该文件是否属于所需部门以及有效期。
预期结果
预期结果是当前文档的合适段落、其名称和版本。只有在检查找到的基础后才会出现现成的答案。
要检查什么
如果发现类似被取消的规定,问题还没有解决。一个例子说明了该工具的用途;这里没有进行精度测量。

pgvector 为 PostgreSQL 添加了意义搜索。所找到来源的适用性将单独检查。

来源及原因

出版日期:

主要来源描述了该仪器及其开发。关于选择的结论 - 实验室的编辑分析。 一个例子解释了该工具的用途;没有对其进行任何测量。 来源日期已验证为 2026 年 9 月 8 日。

关于主题的问题

矢量数据库是否存储现成的知识?

它存储视图和关联数据。搜索邻近度并不能证实陈述的真实性。

这样的搜索是否需要一个单独的数据库?

不。如果此选项满足您的系统要求,pgvector 允许您考虑在 PostgreSQL 中进行搜索。

是否可以使用向量搜索精确的数字?

对于精确的数字,使用精确的搜索词更可靠。矢量机制解决了不同的问题。