本学期参与了创新实训项目----基于大语言模型以及RAG的智能面试辅助系统。我主要负责私有知识库问答模块和AI能力集成的部分，第一步就是搭建向量数据库环境。在RAG系统中，向量数据库用于存储为文档的Embedding向量，以支持后续语义检索。本文记录使用Docker在本地快速部署PostgreSQL + pgvector的过程。

一. 核心概念理解

1.什么是向量？

文本本身是字符串，计算机无法比较两句话有多像，Embedding模型（如阿里云的text-embedding-v3）可以把一段文字转换成一个高维数字的数组，比如 [0.1, 0.2, 0.3 ...],共1024个数字。语义比较相近的文本，转换成向量之后在空间中距离也很近。

2.什么是向量数据库？

普通数据库通常擅长精准查询（如，WHERE id = 1）,但对于“找出和这段话语义最相似的10条内容”这种模糊检索则无法处理。向量数据库就是为了解决这个问题，核心能力是近似最近邻搜索，能在百万级向量中快速找到最相似的几条。

3.什么是pgvector？

pgvector是PostgreSQL的一个开源扩展插件，为postgreSQL提供了向量数据类型和向量相似度搜索能力。安装后可以直接用SQL进行向量检索。

4.pgvector在RAG中处于哪个环节？

用户上传文档
    ↓
文本分块（TokenTextSplitter）
    ↓
调用 Embedding 模型（text-embedding-v3）→ 生成1024维向量
    ↓
存入 PostgreSQL + pgvector
    ↓
用户提问 → 问题也转成向量 → 向量相似度检索 → 找到相关文档片段
    ↓
将文档片段 + 问题一起喂给 LLM → 生成回答

二.数据存储为什么要选择PostgreSQL + pgvector?

方案	优点	代价
PostgreSQL + pgvector	一个数据库即可，运维比较简单，支持结构化+向量一起查	向量检索性能一般
PostgreSQL+Milvus	向量检索性能强，适合大规模	架构复杂，需要多系统维护
PostgreSQL+Pinecone	托管服务，上手快，无需自运维	成本高，数据依赖第三方

选择pgvector的理由：

架构简单：不引入额外组件，运维和部署复杂度低

性能够用：HNSW索引支持毫秒级检索，万级文档场景完全够用

事务一致性：向量数据和业务数据在同意数据库，天然支持事务

SQL查询：可以结合WHERE条件查询，比如“只在某个分类的知识库中检索”

三.环境准备

本项目使用了docker快速安装PostgreSQL + PGvector。

四. Docker拉取并启动容器

docker run -d \
  --name my_pgvector \
  -p 5432:5432 \
  -e POSTGRES_PASSWORD=123456 \
  -v C:/docker/postgresql/data:/var/lib/postgresql/data \
  pgvector/pgvector:pg17

1.docker run -d: docker run是Docker中用于创建一个新的容器并运行一个命令。-d 让它在后台跑，不会占用终端。

2.--name my_pgvector:给容器的命名，后续如果想停掉它，可以直接docker stop my_pgvector就行。

3.-p 5432:5432:做端口映射，把容器里的5432映射到本机的5432，这样就可以用localhost:5432连接到数据库了。

4.-e POSTGRES_PASSWORD=123456: 设置postgres用户的密码

5.-v C:/docker/postgresql/data:/var/lib/postgresql/data：把数据目录挂到本次磁盘上。

6.pgvector/pgvector:pg17:使用pgvector的PostgreSQL 17版本。

可以使用如下命令查看容器的运行情况。

docker ps

五.用DataGrip连接数据库

DataGrip是一款为开发者打造的，跨平台的数据库IDE，是一个数据库客户端，还集成了智能代码补全，AI辅助，Git版本控制和强大SQL编辑功能的一站式开发环境。

1.打开DataGrip，新建一个项目

2.配置连接协议，输入用户名postgres，密码123456，连接默认数据库postgres

3.创建业务数据库，连接成功后，可以新建一个数据库，

create database interview_agent;

名为interview_agent

六.启用pgvector扩展

镜像已经内置了向量功能，而PostgreSQL的设计原则是“插件按需加载”，因此应该手动执行。

CREATE EXTENSION vector;

Spring AI在Spring容器启动时，一般会自动检测并初始化PostgreSQL的向量数据库环境。

七. 总结

至此，PostgreSQL + pgvector的本地环境搭建完毕。整个过程依赖Docker实现了快速部署，后续将在此基础上对接Spring AI，实现文档的向量化存储与语义检索。