向量检索
VectorDB 可对向量类型数据建立索引，用于加速向量检索过程，支持无索引 KNN 检索以及多种向量索引类型。
向量索引如何选择
向量索引用于加速向量检索，不同索引在成本、性能和召回率之间需要做权衡。
常见问题
以下问题整理自 VectorDB 产品页、AI Search 操作示例、向量索引说明和 RAGFlow 最佳实践。
?
VectorDB 主要用于什么场景？
VectorDB 目前主要应用于 RAG 场景，可与文档管理、文档解析、Embedding、Rerank 和 LLM 等模块协作，构建知识库问答服务。
?
RAGFlow SDK 需要什么环境？
官方最佳实践说明，RAGFlow SDK 要求 Python 版本大于等于 3.9 且小于等于 3.11，其他版本可能存在依赖兼容问题。
?
无索引还能做向量检索吗？
可以。VectorDB 支持无索引方式，不对向量字段建立任何向量索引时仍可提供召回率为 100% 的 KNN 检索。
?
选择向量索引要看哪些指标？
选择索引时需要关注成本、性能和召回率，并根据业务进行 CRP-Tradeoff 权衡。
相关文档
继续查看 VectorDB 文档目录、AI Search 操作示例、RAG 知识库实践和向量索引管理说明。