应用场景

推荐系统

推荐系统的目标是根据用户的历史行为和偏好，向用户推荐可能感兴趣的电影、音乐、产品等信息。与搜索引擎不同，推荐系统不需要用户准确描述其需求，而是将用户行为特征向量化存储在向量数据库。当发起推荐请求时，系统会基于用户特征进行相似度计算，然后返回与用户可能感兴趣的物品作为推荐结果。

问答系统

问答系统是自然语言处理领域中常见的实际应用，典型的QA系统包括在线客服系统、QA聊天机器人等等。使用向量数据库来存储和检索相关的向量数据，当用户提出问题时，问答系统可以快速计算向量之间的相似度、检索最相关的问题信息并返回对应的答案信息，大幅提高问答系统的检索效率和准确性。

音视频/图片相似性搜索

当以音视频、图片作为查询的对象时，其特征可以存储在向量数据库中，通过高性能的索引存储实现高效的相似度计算，进而返回和检索内容相匹配的音视频、图片结果。

企业专属知识库

基于向量数据库建立知识企业专属的外部知识库库，配合大语言模型LLM，将检索能力融入到LLM文本生成过程中，拓展LLM认知边界，辅助大模型生成更加准确的答案。