Vector Database 是什麼？像一座不只照書名找書，還能照『內容意思』找資料的圖書館

上一家公司只有 100 份文件時，你可能還可以一篇篇找。

但如果現在有：

• 50 萬段客服紀錄
• 20 萬個商品描述
• 10 萬份內部文件
• 每一段都已經轉成 Embedding

那使用者問一句：

「VPN 連不上怎麼處理？」

系統不能真的把 80 萬筆資料從頭到尾一筆一筆慢慢比較。

資料需要被整理、索引，而且要能快速找出「最接近」的候選。

這就是**向量資料庫（Vector Database）**常出現的地方。

先回想上一課的意思地圖

如果忘了，可以先回看 Lesson 021：Embedding 是什麼？。一句話 recap：Embedding 會把文字、圖片等內容轉成向量，讓電腦可以比較哪些內容在語意上比較接近。

假設每一段公司文件都已經有一組向量。

那向量資料庫就很像一座特殊圖書館。

普通圖書館會幫你保存書、建立索引，讓你能照書名、作者、分類找。

向量資料庫還多做一件事：

它要能按照向量之間的距離，快速找到最相近的內容。

它不是只有「Database」這個字很厲害

資料庫本來就是用來保存、查詢和管理資料的系統。

向量資料庫的特殊之處，是它把「向量搜尋」當成核心能力之一。

你可以存：

原文：公司 VPN 第一次登入需要完成 MFA 驗證
向量：[......]
文件來源：IT-Handbook.pdf
部門：IT
年份：2026

這裡不只有向量。

原始內容、來源、日期、部門等資訊也很重要。

因為最後使用者需要看到的不是 [0.14, 0.82, ...]，而是真正的文件內容。

Search 的時候發生什麼？

假設使用者問：

「公司外面連 VPN 一直失敗，要先檢查什麼？」

大致流程可以想成：

1. 先把這個問題轉成 Embedding。
2. 拿這個向量去資料庫搜尋。
3. 找出距離最近的幾筆向量。
4. 把那些向量對應的原文取出來。
5. 再交給後面的程式或語言模型使用。

這種按照向量距離找資料的方式，通常叫做向量搜尋（Vector Search）。

它也是一種常見的相似度搜尋（Similarity Search）。

為什麼不能把 80 萬筆全部硬算一次？

小資料量時，全部比較有時確實做得到。

但資料越大，延遲和計算量就會增加。

所以很多向量資料庫會建立向量索引（Vector Index）。

你可以把索引想成圖書館的快速導覽系統。

它不一定每次都走遍每一個書架，而是先用一套結構快速縮小範圍，再找出最可能相關的資料。

不同產品可能使用不同索引方法，例如 HNSW、Flat 或其他演算法。

這一篇不用背名字。

重點是：

資料庫不只是把向量存起來，還要設法讓大量向量能被快速搜尋。

「最近」不一定等於「真的相關」

這是一個很重要的陷阱。

假設資料庫裡只有：

• 紅色
• 深紅色
• 粉紅色

你拿「天空藍」去搜尋。

系統還是可以找出「最接近」的一個結果。

但最接近不代表它真的很像天空藍。

因為在任何候選集合裡，總會有第一名。

所以實際系統常會設定：

• 最多拿幾筆，例如 Top 5
• 相似度門檻
• 距離門檻
• 其他過濾條件

避免把明明不相關的內容也硬塞進結果。

Metadata Filter 是什麼？

除了向量相似度，很多系統還會搭配中繼資料篩選（Metadata Filter）。

Metadata 可以先理解成「描述這筆資料的附加資訊」。

例如：

部門 = HR
年份 = 2026
語言 = 中文
文件類型 = 員工手冊

假設使用者問的是「2026 年台灣員工的請假規則」，你可以先限制：

• 年份只能是 2026
• 地區只能是 Taiwan
• 文件類型是 HR Policy

然後再在這個範圍裡做向量搜尋。

這就像跟圖書館員說：

「只找二樓法律區、2026 年出版的書，再從裡面找最接近這個主題的。」

通常會比全館亂找更準。

Vector Database 和普通 Database 是敵人嗎？

不是。

很多 AI App 同時會用：

• 關聯式資料庫保存帳號、訂單、權限
• 物件儲存保存 PDF、圖片
• 向量資料庫保存或索引 Embedding

它們負責的問題不同。

你不會因為有向量資料庫，就把「訂單金額 = 980 元」這種精確查詢全部改成語意相似度搜尋。

需要精確條件時，傳統資料庫仍然非常重要。

所有 Vector Search 都一定要用專門 Vector Database 嗎？

也不一定。

現在很多一般資料庫、搜尋引擎或雲端服務也加入向量欄位和 Vector Search 能力。

所以「支援向量搜尋」和「它是不是一個專門向量資料庫產品」是兩件事。

新手不用先糾結產品名稱。

先問三件事：

1. 我的資料要不要保存 Embedding？
2. 我需要快速找相似向量嗎？
3. 我還需要哪些 Metadata、權限與精確過濾？

這和 AI Agent 有什麼關係？

前面 Lesson 020：AI Agent 是什麼？ 講過：Agent 會把模型的判斷、外部工具與工作流程接起來。

向量搜尋就可能是其中一個工具。

例如 Agent 發現使用者在問公司規章，就先去文件索引搜尋，再根據找到的內容回答。

但更常見的一整套流程，還有一個專門的名字。

下一篇就是它：檢索增強生成（Retrieval-Augmented Generation, RAG）。

今天只要記住一句話

向量資料庫不是讓 AI 自動變聰明的魔法倉庫；它的核心工作，是有效保存、索引並搜尋大量向量，幫系統快速找到語意上最接近的資料。