新來的朋友，一樣先建議先回顧先前的文章，才會比較明白整個 Indexing pipeline 的流程以及這章是在哪個環節噢！
文章在這：Day 3｜Indexing pipeline：如何為 RAG 建立知識庫。

終於來到 Indexing pipeline 最後的環節了！
當我們已經把文字轉成了向量（Embeddings），那這些向量要存到哪裡？要怎麼在海量資料裡快速找出最接近的？
這也是我們今天要談的「向量資料庫（Vector Database）」。

這邊先來解釋一下向量資料庫是甚麼呢？
顧名思義，就是用來存向量的，哈哈哈，聽到這肯定會覺得這不是廢話嗎！！！
當然它不僅僅是儲存向量而已，除了儲存向量外，它比較像是 結合「字典 + 搜尋引擎」的工具，你問它一個詞；你輸入一段話，它能在海量資料中快速找出最相近的段落。

舉個例子來說，你可以問它「英雄聯盟」的相關訊息。
如果是一般的關鍵字搜尋，可能只會找到標題或文字裡面剛好有「英雄聯盟」三個字的文章。
但 向量資料庫 不一樣，它去找「語意最接近」的內容。
所以它不只會找到「英雄聯盟」的介紹，還可能幫你連帶找到「LOL 世界賽」、「電競選手 Faker」、「MOBA 遊戲」這些本質上有語意關聯的資料。

至於他實際是怎麼操作呢？
簡單來說，它會幫你做三件事：
－　存：把 embeddings（文字轉成的座標點）存在資料庫裡。
－　比：當你丟一個問題進來時，它也會把問題轉成向量。
－　找：接著用相似度計算（像是餘弦相似度）來比對，但因為資料通常很多，資料庫底層會用一些近似最近鄰（ANN）演算法加速搜尋，讓你不用真的逐筆比，卻能快速找到最接近的答案。

相信大家基本概念都有了，那最後再來介紹一下向量資料庫的分類吧！

向量資料庫分類

　這邊向量資料庫的分類有參考了相關教材內容，整理過後畫出來的！

向量資料庫其實都有各自的差異，在選擇的時候還是建議考慮一下你的實用情境，以及使用的過程中要考量的要件。
今天的介紹就到先這邊啦～Indexing pipeline 也差不多告一個段落了呢！