本頁面介紹 Vertex AI RAG Engine 支援的向量資料庫。 您也可以瞭解如何將向量資料庫 (向量存放區) 連線至 RAG 語料庫。
向量資料庫在 RAG 應用程式的擷取作業中扮演重要角色。 向量資料庫提供專門的向量嵌入儲存和查詢方式，向量嵌入是文字或其他資料的數學表示法，可擷取語意和關係。向量嵌入可讓 RAG 系統在龐大的知識庫中，快速準確地找出最相關的資訊，即使是複雜或細微的查詢也難不倒它。向量資料庫搭配嵌入模型使用時，有助於克服 LLM 的限制，並提供更準確、相關且全面的回覆。
支援的向量資料庫
建立 RAG 語料庫時，Vertex AI RAG Engine 會預設提供企業級 RagManagedDb 做為向量資料庫，不需要額外佈建或管理。RagManagedDb 提供 KNN 和 ANN 搜尋選項，並允許切換至基本層級，進行快速原型設計和實驗。如要進一步瞭解如何在 RagManagedDb 上選擇擷取策略或更新層級，請參閱「搭配 RAG 使用 RagManagedDb」。如要讓 Vertex AI RAG 引擎自動建立及管理向量資料庫，請參閱「建立 RAG 語料庫」。
除了預設的 RagManagedDb，Vertex AI RAG 引擎還可讓您在 RAG 語料庫中佈建及使用向量資料庫。在本例中，您必須負責向量資料庫的生命週期和可擴充性。
比較向量資料庫選項
下表列出 Vertex AI RAG 引擎支援的向量資料庫選項，並提供相關頁面的連結，說明如何在 RAG 語料庫中使用向量資料庫。
| 向量資料庫 | 優點 | 最適合用於 | 缺點 | 支援的距離指標 | 搜尋類型 | 推出階段 |
|---|---|---|---|---|---|---|
RagManagedDb (預設) 是區域分散式可擴充資料庫服務，提供極高一致性和高可用性，可用於向量搜尋。
easy simple fast quick |
|
|
|
cosine |
KNN (預設) 和 ANN | 正式發布版 |
| 向量搜尋是 Vertex AI 內的向量資料庫服務，專為機器學習工作最佳化。 |
|
|
|
cosinedot-product |
ANN | 正式發布版 |
| Vertex AI 特徵儲存庫是代管服務，可整理、儲存及提供機器學習特徵。 |
|
|
|
cosinedot-productL2 squared |
ANN | 預覽 |
| Weaviate 是彈性且模組化的開放原始碼向量資料庫。 |
|
|
|
cosinedot-productL2 squaredhammingmanhattan |
支援 ANN + 混合搜尋 | 預覽 |
| Pinecone 是全代管的雲端原生向量資料庫，專為高效能相似度搜尋而設計。 |
|
|
|
cosineeuclideandot-product |
ANN | 正式發布版 |
後續步驟
- 如要建立 RAG 語料庫，請參閱建立 RAG 語料庫範例。
- 如要列出所有 RAG 語料庫，請參閱列出 RAG 語料庫範例。