AI主流向量数据库整理

AI常用向量数据库整理

在人工智能时代，向量数据库已成为数据管理和AI模型不可或缺的一部分。

向量数据库是一种将数据（包括文本、图像、音频和视频）存储为向量的数据库。

向量数据库的主要好处是它能够根据向量的接近程度或相似性（在转换为向量之后）快速准确地定位和检索数据。

这允许基于语义或上下文相关性进行搜索，而不是像传统数据库那样仅依赖于完全匹配或设置标准。例如，使用矢量数据库，可以：

• 查找具有相似声音和节奏的歌曲
• 发现具有相同主题和观点的文章
• 识别具有相似功能和评论的商品

数据来自：https://github.com/phidatahq/phidata/tree/main/cookbook/vectordb

Chroma

Chroma: https://www.trychroma.com/

Chroma DB是一个开源的、AI本地的嵌入式向量数据库，旨在简化通过使知识、事实和技能对大型语言模型（LLM）规模上的机器学习模型可插拔，从而创建由自然语言处理驱动的LLM应用程序的过程，同时避免幻觉。

pgvector

Pgvector: https://github.com/pgvector/pgvector

pgvector是一个用于搜索向量相似性的PostgreSQL扩展，也可以用于存储嵌入。pgvector最终帮助你将所有应用程序数据存储在一个地方。
其用户可以受益于ACID合规性、时间点恢复、JOIN等所有其他优秀特性。

pgvector的关键特性包括：
精确和近似最近邻搜索
L2距离、内积和余弦距离
任何带有PostgreSQL客户端的语言

Milvus

官网：https://milvus.io/

Milvus 是一个开源的向量数据库，适合各种规模的人工智能应用。

LanceDB

LanceDB GitHub Repository: https://github.com/lancedb/lancedb
LangChain Documentation: https://python.langchain.com/

LanceDB是一款针对AI应用的新型开发者友好型无服务器向量数据库。它可嵌入应用程序中，无需管理服务器，其扩展性依赖于磁盘而非内存，具有低延迟性。LanceDB支持向量搜索、全文搜索和SQL，并针对多模态数据进行了优化。这一新版本，LanceDB 2.0，已在Github上开源。

Qdrant

官网： https://qdrant.tech/
github：https://github.com/qdrant/qdrant

Qdrant 是专为扩展过滤支持而设计的向量相似度搜索引擎和向量数据库，这使得它适用于各种基于神经网络的语义匹配、图像搜索等应用。

Qdrant 使用 Rust 🦀 编写，即使在高负载下也能快速、可靠地工作。