標籤
向量資料庫
向量資料庫用來儲存與檢索高維嵌入，常見於 RAG、語意搜尋與推薦系統。這個主題會關注索引結構、混合搜尋、延遲、召回率、擴充性與成本，也會比較 Qdrant、Milvus、Weaviate、Rust 系方案等實作差異。
4 篇文章
技術研究/5月7日
RAG 是什麼？白話看懂
RAG 讓 LLM 先查文件再回答，能減少幻覺、補上引用，也更適合企業知識庫與即時資料。
工具應用/4月14日
2026 RAG 向量資料庫三選一
2026 年做 RAG，Qdrant、Milvus、Weaviate 各有強項。這篇用延遲、規模、混合搜尋、成本與開發體驗，直接比較三者差異。
技術研究/4月14日
IBM 單機塞進 1000 億向量
IBM 宣稱 CAS 原型在單一伺服器上索引 1000 億向量，平均延遲 694 毫秒、召回率超過 90%。這篇拆解它怎麼做、跟一般向量資料庫差在哪、以及對企業 RAG 架構的影響。
工具應用/4月3日
FerresDB 走向正式上線的 Rust 搜尋
FerresDB 新增 PolarQuant、HNSW 自動調參、PITR、reranking 與 Raft 分散式儲存，開始像一套可上線的 Rust 向量資料庫。