AI Skill 大全

PostgreSQL 向量检索与索引调优

输入向量维度与数据规模,配置 pgvector 的 halfvec 与 HNSW 索引,生成高召回低延迟的语义检索 SQL 方案。

功能与用途

该功能针对在 PostgreSQL 中搭建语义搜索与 RAG 检索的场景,指导完成 pgvector 的表结构设计与索引调优。用户只需提供嵌入向量维度、数据量级与过滤查询需求,即可获得包含 halfvec 压缩存储、HNSW 索引构建、iterative_scan 过滤以及二进制量化的完整 SQL 方案与参数配置,在保障召回率的同时显著压降内存占用与查询延迟。使用前需具备 PostgreSQL 15 及以上版本并启用 pgvector 插件。

适用场景

  • RAG 知识库检索加速:为企业知识库构建 halfvec 存储与 HNSW 索引,调优 ef_search 参数,毫秒级召回文档切片。
  • 带属性过滤的混合检索:通过配置 iterative_scan 与前置 B-tree 索引,解决多条件过滤下近似向量搜索结果缺失的问题。
  • 千万级海量向量降本扩容:使用二进制量化(BQ)生成 bit 列并结合重排机制,在受限内存下实现 32 倍索引瘦身与高召回。

适用人群

  • AI 应用与 RAG 开发者
  • PostgreSQL 数据库工程师
  • 搜索与推荐后端开发人员

使用步骤

  1. 确认嵌入模型向量维度与数据规模,执行 SQL 启用 vector 扩展。
  2. 创建采用 halfvec 类型的向量数据表,使用 COPY 批量导入向量数据。
  3. 根据内存配置 HNSW 索引参数(m 与 ef_construction)并并发创建索引。
  4. 依据业务侧延时与召回要求,动态调整 ef_search 或启用 iterative_sca

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
AI工作流
适用工具
Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
使用难度
进阶
版本
main
最近更新
2026-09-30
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

|

同类 Skill