你有聽過「向量資料庫」嗎？隨著 AI 大模型與 RAG（檢索增強生成）技術興起，向量搜尋需求大增。像 Pinecone、Milvus 這類專用向量資料庫越來越熱門。不過，許多既有系統其實早就大量採用 PostgreSQL 這類關聯式資料庫，那 PostgreSQL 能不能拿來做為向量資料庫呢？
PostgreSQL 並非原生向量資料庫
PostgreSQL 是專門設計來處理結構化資料的關聯式資料庫，具備高擴充性與強大查詢能力。不過它本身並不支援多維度向量的高效儲存與搜尋，無法跟專用向量資料庫直接比拼。pgvector 模組強化向量查詢能力
隨著 pgvector 這類擴充模組問世，PostgreSQL 得以原生儲存 AI 產生的向量（如 embeddings），並提供向量相似度搜尋等能力。你可以很容易把嵌入向量存進資料表，利用 SQL 查詢近似最近鄰，有效實現語意搜尋或推薦系統。這讓 PostgreSQL 不僅能處理傳統數據，也能進行 AI/ML 的向量運算。
適合哪些場景？
如果你的應用早就選用 PostgreSQL，借力 pgvector 擴充就能兼顧傳統數據和向量查詢，整合維運容易。面對中小規模或對一致性要求高的應用，這是很好的選擇。但若你的場景是極大規模，高效能相似度搜尋，還是要考慮專用的向量資料庫，因其底層設計針對大規模向量處理更有優勢。
小結
結論是：PostgreSQL 雖然不是標準向量資料庫，但經由 pgvector 等工具，已能應付多數語意搜尋、AI 應用的需求。如果你重視資料庫一體化與系統整合，不妨考慮這種架構，兼顧彈性與效率。
