最近，Google Cloud为Cloud SQL for PostgreSQL和AlloyDB for PostgreSQL增加了对pgvector的支持。这个扩展为托管数据库带来了向量搜索操作，允许开发人员存储由大型语言模型（LLM）生成的向量嵌入，并执行相似性搜索。

现在，Cloud SQL和AlloyDB可以与Vertex AI上的生成式人工智能服务配对使用，帮助创建具有应用程序和用户状态意识的人工智能应用程序。Google的高级产品经理Sandhya Ghai和产品经理Bala Narasimhan解释说：

"向量嵌入是一种数值表示，通常用于将复杂的用户生成内容（如文本、音频和视频）转换为易于存储、操作和索引的形式。这些表示是由嵌入模型生成的，如果两个内容在语义上相似，它们的嵌入会在嵌入向量空间中彼此接近。然后，向量嵌入被索引并用于根据相似性高效地过滤数据。"

举个例子，开发人员可以使用Vertex AI在文本和图像方面的预训练模型来生成嵌入，然后将其存储和索引到数据库中，从而简化了相似记录的搜索过程。

可以使用CREATE EXTENSION命令在现有数据库中安装pgvector扩展：

来源： https://cloud.google.com/blog/products/databases/using-pgvector-llms-and-langchain-with-google-cloud-databases

这个新功能还可以帮助开发人员利用预训练的大型语言模型(Large Language Models，LLMs)，正如Ghai和Narasimhan所解释的：

LLM的一个需要注意的问题是它们没有状态概念。嵌入允许您在数据库中存储大量上下文，例如文档或长期的聊天历史，并对其进行筛选以找到最相关的信息。然后，您可以将最相关的聊天历史或文档馈送给模型，以模拟长期记忆和业务特定的知识。

Google Cloud发布了一个Colab笔记本和一个视频，使用pgvector、开源框架LangChain和LLM构建基于人工智能的应用程序。Google的高级软件工程师Saket Saurabh在介绍如何向示例Python应用程序添加生成式AI功能时写道：

pgvector扩展还引入了新的运算符，用于在向量上执行相似性匹配，可以找到语义上相似的向量。其中两个运算符是： ‘<->’: 返回两个向量之间的欧几里德距离。  ‘<=>’: 返回两个向量之间的余弦距离。

在过去几个月中，Google Cloud并不是唯一一个针对向量数据库的云提供商，Amazon RDS for PostgreSQL支持pgvector扩展，微软也展示了Azure Data Explorer (ADX)如何用作向量数据库，并讨论了几个连接器与向量数据库的连接。

 

 

来源：https://www.infoq.com/news/2023/07/gcp-databases-vector-search/