向量数据库在 RAG 中的作用是什么？如何选型？

文档切块 Embedding 后存入向量库，查询时把问题向量化做 ANN 检索 top-K 片段，再拼进 prompt 生成答案。

一、先把结论讲清楚

作用：支撑语义检索——「苹果发布会」能召回含「iPhone 发布」的段落。索引：HNSW（快、内存大）、IVF（大规模）、DiskANN（磁盘级）。选型维度：数据量、QPS、是否需要混合检索（BM25+向量）、多租户、托管 vs 自建。

二、拆开机制和判断点

主流：Pinecone（托管）、Milvus/Qdrant（开源）、pgvector（PostgreSQL 扩展）、FAISS（库非服务）。实践：chunk 大小 256-512 token；

三、补上例子、边界和取舍

重叠 10-20%；检索后做 rerank 提升精度。