1.向量数据库

1.向量数据库是专门用来存储和查询向量的数据库，其存储的向量来自于对文本、语音、图像、视频等的向量
化。与传统数据库相比，向量数据库可以处理更多非结构化数据(比如图像和音频)。在机器学习和深度学习
中，数据通常以向量形式表示。
2.用空间来描述高维数据，以距离来判断亲疏。
3.可以高效检索数据，矩阵计算。
4. chrome(轻量化)、Milvs
5.文本切分后存入向量数据库原因：
-大模型有上下文长度限制
-向量数据库对单个文档长度也有要求
-小块更利于精准检索
-常见 splitter：RecursiveCharacterTextSplitter, CharacterTextSplitter,
TokenTextSplitter
6.为什么不分块会有问题？
1. 单页内容可能过长
-把检索到的整个页面 + 问题一起塞进 prompt，极易 超出 token 限制，导致截断或报错。
2. 语义粒度太粗
-向量数据库会对每个“文档”生成一个 embedding。如果一页包含多个主题，那么它的
embedding 是这些主题的“平均”，无法精准匹配具体问题，embedding 被稀释，相似度降低。
3. 检索精度下降
-检索返回的是整页内容，LLM 需要在一大段无关文本中找答案，容易出错或产生幻觉。