pgvector 中缩小 10 倍的向量索引
pgvector 项目的一项新合并的 PR 通过使用新的压缩方法，将向量索引大小缩小了 10 倍。该改进显著减少了存储占用，同时保持查询性能，使 PostgreSQL 能够更高效地处理大规模向量数据。
背景速读
pgvector 是 PostgreSQL 最流行的开源向量数据库扩展，用于存储和检索 AI 嵌入向量（如 OpenAI、Llama 等模型生成的数值列表），支撑语义搜索、RAG（检索增强生成）等应用。
- 向量索引会大幅增加存储占用，对很多生产环境是痛点。这个 PR 通过压缩技术将索引体积缩小 10 倍，意味着内存/磁盘成本大幅降低，搜索速度可能更快。
- 该项目的维护者是 PostgreSQL AI 生态的关键人物（如 Andrew Kane）。社区对此 PR 已讨论数月，有望成为 pgvector 的里程碑更新。
- 向量数据库竞争激烈（Pinecone、Weaviate、Milvus、Qdrant 等），pgvector 的优势在于直接在 PostgreSQL 中运行，无需额外基础设施。索引体积优化可让 PostgreSQL 在更多场景下匹敌专用向量数据库。