向量数据库（Vector Database）是一种数据库系统，用于存储和检索向量数据。而向量数据库中的 Embedding 是指将高维的数据映射到低维空间的过程，并将其表示为一个稠密的向量（embedding vector）。在向量数据库中使用 Embedding 可以帮助我们更有效地进行数据检索、聚类和相似性搜索。
要使用向量数据库的 Embedding 功能，通常需要经历以下步骤：
数据准备：将需要存储的数据转换为向量形式，并进行向量嵌入（embedding）处理，生成对应的 embedding vector。
数据导入：将处理好的 embedding vector 存入向量数据库中，并建立索引以支持高效的数据检索。
数据查询：使用查询向量（query vector）搜索数据库中与之相似的向量数据。向量数据库会根据向量之间的相似性度量返回匹配的数据。
结果展示：根据返回的结果进行后续的操作，比如展示检索到的数据、聚类分析等。
通过使用向量数据库中的 Embedding 功能，可以更方便、高效地处理向量数据，满足数据检索、相似性匹配等需求。