ベクトルデータベースとは？
読み: ベクトルデータベース英語: Vector Database
高次元ベクトルを効率的に格納し、類似ベクトルを高速検索できる専用データベース。RAG の中核インフラ。
詳しい解説
ベクトルデータベース (Vector DB) は、Embedding によって生成された高次元の数値ベクトルを大量に格納し、与えられたクエリベクトルとの類似度を高速に検索 (近似最近傍探索) できる専用データベースです。
代表的な製品として Pinecone、Weaviate、Qdrant、Milvus、Chroma、PostgreSQL の pgvector 拡張、Vercel の Vector などがあります。 数百万〜数十億件のドキュメントを扱える点や、メタデータでのフィルタリング、ハイブリッド検索 (キーワード + 意味検索) などが特徴です。
RAG (検索拡張生成) システムの中核インフラとして使われ、社内ドキュメント検索ボット、カスタマーサポート、レコメンド、コード検索などのアプリケーションに採用されています。
実務での使いどころ
RAG を構築する際、社内文書をベクトル化して保存しておく場所として使います。文書量が少ないうちはファイルベースでも動きますが、数万件を超えると専用のデータベースが必要になります。
Dify のようなノーコードツールを使う場合、この部分は内部で用意されるため、利用者が直接触らずに済むこともあります。
混同しやすい用語との違い
通常のデータベースが「完全に一致する行」を探すのに対し、ベクトルデータベースは「意味が近いもの」を上位から返します。検索結果が0件になることは基本的になく、常に何かしら返ってくる点が実務上の大きな違いです。
この分野を学べる生成AIスクール
ベクトルデータベースを含む生成AIのスキルを体系的に身につけたい方は、AI HACK のスクールランキングをご活用ください。