增强AI能力：谷歌云在托管数据库中集成向量搜索

谷歌云最近在 Cloud SQL for PostgreSQL 和 AlloyDB for PostgreSQL 中增加了对 pgvector 的支持。这个扩展为托管数据库带来了向量搜索操作，允许开发人员存储大型语言模型（LLM）生成的向量嵌入并执行相似性搜索。

Cloud SQL 和 AlloyDB 现在可以与 Vertex AI 上的生成性 AI 服务配对，帮助创建能够感知应用程序和用户状态的 AI 应用程序。谷歌高级产品经理 Sandhya Ghai 和产品经理 Bala Narasimhan 解释说：

向量嵌入是一种数值表示，通常用于将复杂的用户生成内容（如文本、音频和视频）转换为易于存储、操作和索引的形式。这些表示由嵌入模型生成，如果两个内容在语义上相似，它们各自的嵌入就会在嵌入向量空间中彼此相邻。然后，向量嵌入会被索引，被用于基于相似性进行有效的数据过滤。

例如，开发人员可以使用 Vertex AI 的预训练模型在文本和图像之间生成嵌入，并将它们存储并索引到数据库中，简化查找相似记录的过程。

用户现在可以使用 CREATE EXTENSION 命令在现有的数据库中安装 pgvector 扩展：

postgres=> CREATE EXTENSION IF NOT EXISTS vector;
CREATE EXTENSION


postgres=> CREATE TABLE embeddings(
 id INTEGER,
 embedding vector(3)
);
CREATE TABLE


postgres=> INSERT INTO embeddings
    VALUES
        (1, '[1, 0, -1]'),
        (2, '[1, 1, 1]'),
        (3, '[1, 1, 50]');
INSERT03

正如 Ghai 和 Narasimhan 所解释的那样，这一新功能还可以帮助开发人员利用预训练的 LLM：

我们需要了解的是，LLM 没有状态的概念……嵌入允许你将大型上下文（如文档或历史聊天记录）存储在数据库中，并过滤它们，以便查找最相关的信息。然后，你可以将最相关的聊天历史记录或文档片段输入模型来interwetten与威廉的赔率体系 长期记忆和业务特定知识。

谷歌云发布了一个 Colab Notebook 和一个视频，用 pgvector、开源框架 LangChain 和 LLM 构建 AI 驱动的应用程序。谷歌高级软件工程师 Saket Saurabh 演示了如何在示例 Python 应用程序中添加生成式 AI 功能，他写道：

pgvector 扩展还引入了用于对向量执行相似性匹配的新运算符，你可以用它查找语义上相似的向量。这样的运算符有两个：
‘<->’：返回两个向量之间的欧几里得距离…… ‘<=>’：返回两个向量之间的余弦距离

在过去的几个月中，谷歌云并不是唯一一个瞄准向量数据库的云供应商，Amazon RDS for PostgreSQL 也支持 pgvector 扩展，微软还展示了如何将 Azure Data Explorer（ADX）作为向量数据库，并讨论了几种连接到向量数据库的连接器。