RAG (检索-增强代) 矢量数据库是支持检索-增强代工作流的专用数据库。RAG结合了检索系统和生成AI模型的优势，以产生上下文准确和丰富的响应。
数据库存储由AI模型生成的非结构化数据 (如文本、图像或音频) 的高维嵌入。在查询期间，系统使用相似性搜索从数据库中检索最相关的数据，通常基于诸如余弦相似性的度量。然后将检索到的信息传递到生成式AI模型 (例如，GPT或BERT) 以制作上下文相关的响应。
例如，在客户支持聊天机器人中，RAG系统从矢量数据库中检索相关产品文档，并使用生成模型为用户问题提供精确答案。
RAG矢量数据库广泛用于语义搜索，知识管理和个性化推荐等应用中。它们使系统能够访问实时的、特定领域的信息，而不需要生成模型在内部存储所有知识，从而提高可扩展性并减少幻觉。
用于构建RAG工作流程的流行工具包括Milvus，Weaviate和Qdrant。这些数据库对于部署需要准确、上下文感知和最新输出的AI系统至关重要。