ベクトルデータベース とは？

普通のデータベースは「名前が"田中"のユーザー」みたいに完全一致や条件で検索するんだ。ベクトルデータベースは「この質問と意味的に似た文書を持ってきて」という「意味の近さ」で検索できる。「銀行に行った」という文章に対して「金融機関を訪問した」という文書を見つけてくれるんだよ。

コサイン類似度や内積などの計算でベクトル間の距離・角度を求めるんだ。事前にすべての文書をベクトルに変換して保存しておいて、クエリが来たらそのベクトルに近いものを探す。ただデータが数百万件あると全部計算するのは無理だから、近似探索アルゴリズム（ANNアルゴリズム）を使って速度と精度のバランスを取るんだよ。

RAGの「検索」部分を担うのがベクトルデータベースなんだ。社内文書を全部ベクトル化してベクトルデータベースに保存しておいて、質問が来たらその質問に意味的に近い文書を検索してAIに渡す、という流れで使われるよ。

これは実用上とても重要な選択の問題なんだ。pgvector（PostgreSQLの拡張）のように既存RDBにベクトル検索機能を追加するのも広く使われている。専用ベクトルデータベースはインデックス構造やシャーディングがベクトル専用に最適化されていて大規模データで速い。一方pgvectorなら既存のSQLとベクトル検索を同じDBでできるシンプルさがある。「どちらが最適か」は規模・予算・既存インフラによって異なっていて、まだ業界全体でベストプラクティスが固まっていないんだよ。