向量数据库（Vector DB，Vector Database）是专门存储与检索高维向量嵌入的数据库系统，核心包括嵌入坐标存储、以近似最近邻（ANN）算法实现毫秒级语义检索、支撑RAG召回，解决的是语义检索响应慢、召回效率低的问题，并不解决生成环节的幻觉问题与语料覆盖不足的问题。
一、什么是Vector DB？
定义： 是专门存储和检索高维向量嵌入（Embedding）的数据库系统，通过近似最近邻（ANN）算法实现毫秒级语义检索，已成为 RAG、推荐系统、图像搜索等 AI 应用的基础设施组件，重塑了非结构化数据的检索范式。
二Vector DB包含哪些模块？
· 指令设计
· Few-shot 示例
· 思维链 Chain-of-Thought
三、Vector DB的发展历程
2020 年 GPT-3 论文首次系统展示 Few-shot Prompt 效果，2022 年 Chain-of-Thought 提升推理能力，2023 年 ReAct、Self-Consistency 等高级提示框架涌现，2024 年 Prompt 与微调、Agent 框架深度结合。
四、Vector DB的核心价值有哪些？
· 无需训练即可解锁模型能力
· 降低应用开发门槛
