Vector Database
Une base de données vectorielle est un magasin de données spécialisé optimisé pour indexer, stocker et requêter des vecteurs d'embedding haute dimension.
Qu’est-ce que Vector Database ?
Une base de données vectorielle est un système de stockage et récupération conçu pour les données vectorielles haute dimension. Contrairement aux bases traditionnelles trouvant des enregistrements par correspondance exacte, les bases vectorielles trouvent par similarité : elles retournent les vecteurs les plus proches dans l'espace haute dimension. Cette opération, appelée recherche ANN (Approximate Nearest Neighbor), est fondamentale pour le RAG. L'écosystème inclut des solutions dédiées (Pinecone, Weaviate) et des extensions (pgvector pour PostgreSQL).
Comment fonctionne Vector Database ?
Gère l'indexation (stocker vecteurs avec métadonnées) et la requête (trouver les voisins les plus proches, typiquement en moins de 10 ms).
Pourquoi Vector Database est important
Rend le RAG scalable et rapide, maintenant la récupération en millisecondes indépendamment de la taille de la base.
Comment Chatloom utilise Vector Database
Chatloom utilise pgvector intégré au modèle relationnel, complété par tsvector pour la recherche hybride.
Termes associés
Explorez les concepts associés pour approfondir votre compréhension.
Questions fréquentes
- Faut-il une base vectorielle séparée ?
- Pas nécessairement. pgvector ajoute les capacités vectorielles à PostgreSQL.
- Quelle capacité ?
- Des millions à des milliards de vecteurs. La plupart des chatbots ont des milliers de fragments.
- Qu'est-ce que la recherche ANN ?
- Des algorithmes trouvant les vecteurs approximativement les plus proches avec une vitesse sub-milliseconde.