向量数据库汇总
为什么有向量数据库？
- 语言模型 LLM 有输入 token 的限制，导致对话上下文限制，因此我们要做到一个方法尽可能压缩上下文，向量是个好方式，因为它占内存小；
- 目前 LLM 模型的调用需要收费，特别是 GPT-4，上下文数量一多，价格非普通人可以承受。
向量检索方式
- 【知识库向量】
- 【问题向量】
- 【问题向量】匹配【知识库向量】
- 匹配相应文本 -> 输出文本
其中，【知识库向量】就会存放在向量数据库中。
向量数据库
本文列举常见的向量数据库(vector store)，分为国外和国内的。
| 数据库名称 | 推荐度 | 特点 | 可视化程度 | 收费 | 易于修改程度 |
|---|---|---|---|---|---|
| supabase | ?????? | 可视化、低代码、易维护 | ?????? | 免费：可用2个数据库； 收费：$25/月 | ?????? |
| chroma | ???? | 开源、本地 | ?? | 免费 | 不能修改 |
| pinecone | ?????? | 仅云 | ?????? | 免费：1个index 收费：$70/月 | ?????? |
| milvus-zilliz | ???? | 本地+云 | ?????? | 免费： 收费：$65/月 | 不能修改 |
| qdrant | ?? | 本地+云 | ???? | 免费： 收费：$9/月 | 不能修改 |
| weaviate | ?? | 界面复杂 本地+云 | ?? | 免费： 收费：$25/月 | 不能修改 |
国外部分：
supabase
地址：https://supabase.com/
是否兼容langchain: 是
特点：可视化、低代码、易维护
文档：清晰易懂，带视频
截图：
国内部分：
另外有各自的操作指南。（未完待续）
参考文章：
https://guangzhengli.com/blog/zh/vector-database/
特别推荐读一下这篇文章，非常专业和细致。
https://benchmark.vectorview.ai/vectordbs.html
我根据这份榜单选择的向量数据库
