Vector database

Короткое определение. Векторная база данных — хранилище, оптимизированное под эмбеддинги: оно хранит числовые представления текстов и умеет мгновенно находить ближайшие по смыслу — даже среди миллионов фрагментов.

Простыми словами. Если эмбеддинги — это координаты текстов на карте смыслов, то векторная база — это сама карта с очень быстрым навигатором: «покажи десять точек, ближайших вот к этой» — и ответ за долю секунды.

Зачем это нужно. Это техническое сердце RAG: все документы компании нарезаются на куски, каждый превращается в эмбеддинг и складывается в векторную базу. Когда приходит вопрос, база выдаёт самые близкие по смыслу куски, и нейросеть отвечает на их основе.

Пример. Служба поддержки загрузила в векторную базу пять тысяч прошлых обращений с решениями. Новый вопрос клиента → база находит пять самых похожих старых случаев → ИИ предлагает оператору готовый ответ на их основе.

Нужно ли это малому бизнесу. На старте — нет. Пока знаний обозримое количество, структурированная wiki с оглавлением решает задачу без дополнительной инфраструктуры. Векторная база появляется в связке «wiki-ядро + RAG-поиск по большому архиву», когда архив действительно большой.

Связанные термины: embeddings, RAG.