什么是向量数据库？#

向量数据库以数字形式存储信息：

向量数据库是一种将数据存储为高维向量的数据库，这些向量是特征或属性的数学表示。（来源）

这使得快速且准确的相似性搜索成为可能。使用向量数据库时，你不再依赖传统的数据库查询方式，而是可以根据语义和上下文含义来查找相关数据。

简化示例#

一个向量数据库可以存储句子：“n8n 是一个可自行托管的源码可用自动化工具”，但它并不以文本形式存储，而是存储一组代表其特征的维度数组（0 到 1 之间的数值）。这并不是指把句子中的每个字母转换成数字，而是说向量数据库中的向量是对该句子的描述。

假设在某个向量存储中，0.1 表示“自动化工具”（automation tool），0.2 表示“源码可用”（source available），0.3 表示“可自行托管”（can be self-hosted）。那么最终可能得到如下向量：

句子	向量（维度数组）
n8n 是一个可自行托管的源码可用自动化工具	[0.1, 0.2, 0.3]
Zapier 是一个自动化工具	[0.1]
Make 是一个自动化工具	[0.1]
Confluence 是一个可自行托管的 Wiki 工具	[0.3]

这个例子非常简化。

实际上，向量要复杂得多。一个向量的维度可以从几十到数千不等。各个维度与具体特征之间并非一一对应关系，因此你无法直接将单个维度翻译为单一概念。此示例仅提供一个近似的思维模型，而非真实的技术理解。

Qdrant 提供了向量搜索演示来帮助用户理解向量数据库的能力。其中的美食发现演示展示了向量数据库如何基于视觉相似性匹配图片。

此演示使用了来自配送服务的数据。用户可以对某道菜的照片点赞或点踩，应用程序会根据菜肴的外观推荐更相似的菜品。还可以选择仅查看配送范围内餐厅的结果。（来源）

如需完整技术细节，请参考 Qdrant demo-food-discovery GitHub 仓库。

向量数据库需要其他工具协同工作：

文档加载器和文本分割器：文档加载器用于导入文档和数据，并将其准备用于嵌入。文档加载器可结合文本分割器将文档切分为多个片段（chunks）。
嵌入（Embeddings）：这类工具负责将数据（如文本、图像等）转化为向量，或将向量还原为原始数据。请注意，n8n 目前仅支持文本嵌入（text embeddings）。
检索器（Retrievers）：检索器用于从向量数据库中提取文档。你需要将其与一个嵌入模型配对，以便将向量重新转换回可读数据。