1.1 核心概念与定义

文档摘要

1.1 核心概念与定义 1.1 核心概念与定义：向量数据库的底层逻辑与认知原点我们常把向量数据库（VectorDB）比作“AI时代的索引引擎”——这个比喻形象，却也危险。它像一扇半开的门，让人瞥见光亮，却容易忽略门后那整座由数学、系统工程与语义认知共同构筑的精密建筑。当大模型在前端流畅生成答案时，VectorDB正于后台以毫秒级精度完成一场无声的“意义匹配”。它不回答问题，却决定了问题能否被真正听见；它不生成知识，却守护着知识被重新激活的唯一路径。因此，要真正理解VectorDB，绝不能止步于“存储向量+支持相似性搜索”的功能罗列。我们必须沉潜至其认知基底：何为向量？为何必须用近似而非精确？相似性背后隐藏着怎样一种新的语义度量范式？