什么是持久化存储VectorStore

VectorStore（向量数据库/向量存储）是一种专门用于存储和检索向量嵌入（Vector Embeddings）的数据库。它是实现 RAG（Retrieval-Augmented Generation，检索增强生成） 技术的核心组件。

为什么需要 VectorStore？

在传统的 AI 应用中，大语言模型（LLM）只能基于训练数据回答问题。但存在两个问题：

1. 知识截止：模型不知道训练后的新信息

2. 私有数据：模型无法访问企业的内部数据

VectorStore 解决了这个问题：

用户提问 → 检索相关文档 → 注入上下文 → LLM 生成回答

VectorStore的工作原理是向量嵌入，把文本/对象转换为数值数组，通过计算向量间的距离来找到最相似的内容。

Spring AI Dependencies

dependencies {
    // PGVector (PostgreSQL)
    implementation 'org.springframework.ai:spring-ai-pgvector-store-spring-boot-starter'
    implementation 'org.springframework.ai:spring-ai-vector-store-advisor'
    // Redis
    implementation 'org.springframework.ai:spring-ai-redis-store-spring-boot-starter'
    // 内存存储（测试用）
    implementation 'org.springframework.ai:spring-ai-inmemory-store-spring-boot-starter'
    // Embedding 模型
    implementation 'org.springframework.ai:spring-ai-openai-spring-boot-starter'
}

核心操作

@Service
public class VectorStoreService {
    
    @Autowired
    private VectorStore vectorStore;
    
    public void addDocuments() {
        // 方式1：纯文本
        Document doc1 = new Document("这是一只可爱的金毛犬");
        
        // 方式2：带元数据
        Document doc2 = new Document(
            "神经质的狗，不喜欢小孩和动物",
            Map.of(
                "id", 45,
                "name", "Prancer",
                "type", "dog"
            )
        );
        
        vectorStore.add(List.of(doc1, doc2));
    }
}

常见问题与解决方案

VectorStore 数据没有更新

问题：修改代码后，查询结果不变
原因：VectorStore 是持久化存储，数据已存入数据库
解决：

sql

-- 清空表重新加载
TRUNCATE vector_store;