pgvector
pgvector 是 PostgreSQL 数据库的开源向量扩展插件，用于在关系型数据库中存储、索引和查询高维向量数据。它支持精确搜索与近似最近邻搜索（ANN），提供多种距离度量方式（如欧氏距离、余弦相似度、内积），并兼容 IVFFlat 和 HNSW 等索引算法。pgvector 常用于机器学习嵌入向量的存储与检索，使开发者无需引入独立向量数据库即可在 PostgreSQL 中实现语义搜索和推荐等功能。
核心事实
时间轴 (近 90 天)
RAG常用的向量库方案包括Milvus、Qdrant和pgvector。
chatVia.ai每次查询并行运行基于pgvector的稠密向量相似度检索和Postgres内稀疏BM25关键词搜索，并用Reciprocal Rank Fusion合并排名
pgvector 在超大规模向量场景下的性能不如专用向量库。
OntoGr 运行在 FalkorDB 或 Neo4j 之上，也可选用 pgvector 或 Postgres；后台有一个整合任务负责去重、摘要、打分与归档；LLM 和 embedder 由使用者自带。
专用向量库（如Pinecone、Qdrant、Weaviate）为大规模向量检索做了更极致的性能优化和分布式扩展，而pgvector的优势是不引入新组件，能做事务性写入和JOIN查询，运维复杂度低。
在中等规模、需要强一致元数据过滤的场景下，不少团队会选择pgvector来避免多系统同步问题。
pgvector 的默认 HNSW 设置在批量记忆写入时会导致超过 2 秒的插入停顿。
HNSW 索引在批量插入时会锁表，导致 5 秒以上的写入停顿；解决方案是批量写入并配合 INSERT ... ON CONFLICT DO NOTHING 及 50ms 防抖窗口。
在 pgvector 的 HNSW 索引中，参数 m 是每个节点保留的邻居边数，ef_construction 是构建时候选队列的大小；二者共同决定查询时的召回-延迟权衡。
在 pgvector 的 HNSW 索引中，将 m 设为 16、ef_construction 设为 64，在 500 个并发插入下可达到 12ms 的 p99 延迟。
还有 40 条时间轴事件
全部知识事实 (20)
pgvector扩展为PostgreSQL添加了向量存储和相似度搜索能力，使Supabase可以同时充当传统数据库和向量数据库
80%已验证Pinecone、Chroma、Weaviate是常见的向量数据库产品
80%已验证长期记忆通常借助向量数据库（如Chroma、Pinecone、Weaviate、Milvus等）来实现语义检索
80%已验证典型的RAG流程包括文档切片、向量化嵌入、存入向量数据库、语义检索、上下文拼接和最终生成六个步骤
75%已验证pgvector 是 PostgreSQL 的开源扩展，为关系型数据库原生添加向量数据类型与相似度搜索能力，支持精确最近邻和近似最近邻（HNSW、IVFFlat 索引）两种检索模式
70%已验证Pinecone是全托管的云原生向量数据库
70%已验证PostgreSQL可通过pgvector支持向量检索
65%已验证向量存储常用专用向量数据库如Pinecone、Chroma、Weaviate，支持近似最近邻检索
65%已验证RAG机制依赖向量数据库（如Pinecone、Weaviate、Milvus等）的近似最近邻（ANN）搜索能力实现毫秒级检索
65%待验证MaxKB通常集成PostgreSQL的pgvector扩展或独立的向量数据库
75%待验证pgvector 于 2021 年首次发布，将高维向量存储与近似最近邻检索能力内嵌至 PostgreSQL
70%待验证对于向量规模在千万级以下且对延迟不敏感的应用，pgvector现有的索引可能已经足够，没有必要引入新的依赖。
60%待验证主流向量数据库Pinecone、Weaviate、Qdrant、pgvector等底层普遍采用HNSW近似最近邻索引算法
60%待验证RAG常用的向量库方案包括Milvus、Qdrant和pgvector。
50%待验证chatVia.ai每次查询并行运行基于pgvector的稠密向量相似度检索和Postgres内稀疏BM25关键词搜索，并用Reciprocal Rank Fusion合并排名
50%待验证pgvector 在超大规模向量场景下的性能不如专用向量库。
50%待验证OntoGr 运行在 FalkorDB 或 Neo4j 之上，也可选用 pgvector 或 Postgres；后台有一个整合任务负责去重、摘要、打分与归档；LLM 和 embedder 由使用者自带。
50%待验证专用向量库（如Pinecone、Qdrant、Weaviate）为大规模向量检索做了更极致的性能优化和分布式扩展，而pgvector的优势是不引入新组件，能做事务性写入和JOIN查询，运维复杂度低。
50%待验证在中等规模、需要强一致元数据过滤的场景下，不少团队会选择pgvector来避免多系统同步问题。
50%待验证HNSW 索引在批量插入时会锁表，导致 5 秒以上的写入停顿；解决方案是批量写入并配合 INSERT ... ON CONFLICT DO NOTHING 及 50ms 防抖窗口。
50%