上周跟一个做推荐系统的哥们吃饭，他张口闭口“向量数据库”，我问这玩意跟MySQL有啥区别，他噼里啪啦讲了一堆高维空间、余弦相似度、近似最近邻搜索，我当场就懵了。
直到前天我老婆让我去菜市场买韭菜，我才突然悟了。
先说说普通数据库是啥。你去菜市场买菜，进门口有个老大爷，你问“韭菜在哪”，老大爷会告诉你“往前走第三个摊位，绿油油的那堆就是”。普通数据库干的就是这事。你把数据存进去，它给你编个号，等你来找，它按编号或者分类翻出来给你。比如你存了100万个用户信息，想找“张三的电话”，它翻翻索引，嗖一下给你。快是快，但它只能找一模一样的。
但问题来了。假如你去找老大爷，问“我想买一种跟韭菜长得像、吃起来也像、但比韭菜嫩一点的东西”，老大爷就傻了。菜市场里每样东西都有固定名字和位置，老大爷的脑子里只有“韭菜在3号摊，白菜在5号摊”，他没法告诉你“跟韭菜差不多的东西在哪”。
这就是普通数据库的硬伤——它不懂“差不多”。
向量数据库就是干这个的。它不存“名字”和“位置”，它存的是“这东西长啥样”。怎么存？把每样东西变成一串数字，这串数字就叫“向量”。听着玄乎，其实就是给每个东西画一个“特征脸谱”。
打个比方。你把韭菜、葱、蒜苗、香菜都拿过来，给它们打分：长度（1到10）、粗细（1到10）、味道（1到10）、颜色（1到10）。韭菜可能是（8，2，9，7），葱是（9，4，6，6），蒜苗是（7，3，8，7）。你看，韭菜和蒜苗的分数是不是特别接近？向量数据库干的事就是：你给它一个韭菜的特征分（8，2，9，7），它把所有东西的特征分拉出来，算一算谁的分数跟这个最接近。结果发现蒜苗的（7，3，8，7）离韭菜最近，于是就告诉你：“蒜苗跟韭菜最像，要不要看看？”
这就是向量数据库的核心——它找的不是“一模一样”，而是“最像的”。
我那个做推荐的哥们后来给我看了他们公司的数据。他们用向量数据库做商品推荐，以前用关键词匹配，用户搜“红裙子”，出来的全是带“红”和“裙子”标签的，但一条酒红色的长裙可能因为标签里没写“红”就漏掉了。换了向量数据库之后，系统把每件商品的颜色、款式、材质、风格都转成向量，用户点了一条红裙子，系统就自动找出“跟这条裙子风格最像的10条”，不管标签写没写“红”都能找出来。转化率从3%直接跳到11%。
普通数据库干活靠的是“你告诉我名字，我给你找位置”。向量数据库干活靠的是“你告诉我它长啥样，我给你找长得像的”。
但别以为向量数据库就无敌了。它有个毛病——费钱。普通数据库存一个用户信息，可能就是几行文字，几十个字节。向量数据库存一张图片的特征，可能要几百个浮点数，几千个字节。存1亿条数据，光向量就要占几十个G的内存。我朋友公司上个月向量数据库的服务器账单涨了3倍，运维大哥天天骂娘。
还有一个坑。向量数据库算“最像的”这事，不是100%准的。它用的是近似算法，就是“差不多就行了”，不是“精确匹配”。你要查“张三的电话”，用普通数据库，查出来就是张三的，不会给你李四的。但用向量数据库查“跟张三很像的人”，可能给你推张三他弟。这就导致有些场景根本不能用向量数据库——银行查账、医院查病历、法院查案卷，你敢用“差不多”的算法吗？
所以现在大部分公司是两套数据库一起用。普通数据库管那些“必须精确”的事——用户账号、订单记录、支付流水。向量数据库管那些“差不多就行”的事——搜图、推荐、找相似商品。各管各的，谁也不耽误谁。
说回菜市场。现在最牛的菜市场是什么？老大爷手里拿个平板，你问“韭菜在哪”，他看一眼平板说“3号摊有”。你问“跟韭菜差不多的有啥”，他划拉两下平板说“7号摊的蒜苗也不错，9号摊的小葱也还行”。这就是普通数据库和向量数据库搭伙干活的样子。
对了，上次我老婆让我去买韭菜，我用这个思路想了一下，最后买了蒜苗回来。她问我为啥，我说“向量数据库告诉我它俩长得像”。她白了我一眼，但炒出来确实好吃。
📎 延伸阅读
看完这篇，如果你想：
- 直接拿工具 → 回复”13“，我把跨境获客工具包发给你
- 系统学习 → 点击菜单”AI训练营”，从0开始跑通AI变现