SpringAI对向量数据库的支持
大麦功能助手因为是使用RAG功能来向量数据中进行检索，所以要先创建出向量数据库出来，而 SpringAI 也提供了向量数据的支持。
VectorStore 是 Spring AI 中用于管理和查询向量数据库的核心接口，它抽象出了一套统一的文档（Document）写入与相似度检索的操作，使得应用可以无缝切换底层向量存储实现。
VectorStore 接口概述
- 包路径
org.springframework.ai.vectorstore - 责任
- 向向量数据库添加、删除文档
- 基于查询文本或元数据过滤执行相似度搜索
- 可选地访问底层“原生”客户端
核心方法
| 方法签名 | 说明 |
|---|---|
void add(List<Document> documents) | 批量添加文档到向量存储 |
void delete(List<String> idList) | 根据文档 ID 列表删除文档 |
void delete(Filter.Expression filterExpression) | 根据过滤表达式删除文档 |
List<Document> similaritySearch(String query) | 直接以文本生成 Embedding 并搜索最相似文档 |
List<Document> similaritySearch(SearchRequest request) | 支持指定 Top‑K、相似度阈值、元数据过滤等参数的高级检索 |
<T> Optional<T> getNativeClient() | 获取底层向量数据库客户端（如 RedisClient、PineconeClient 等），进行更细粒度操作 |
static <T extends VectorStore.Builder<T>> VectorStore.Builder<T> builder(String name) | 构建器，用于以流式 API 配置并实例化 VectorStore 实现 |
支持的向量数据库实现
Spring AI 通过一系列 *VectorStore 实现类，支持主流及云端、自建向量存储系统。
付费内容提示
该文档的全部内容仅对「JavaUp项目实战&技术讲解」知识星球用户开放
加入星球后，你可以获得：
- 超级八股文：100万+字的全栈技术知识库，涵盖技术核心、数据库、中间件、分布式等深度剖析的讲解
- 讲解文档：黑马点评Plus、大麦、大麦pro、大麦AI、流量切换、数据中台的从0到1的550+详细文档
- 讲解视频：黑马点评Plus、大麦、大麦pro、大麦AI、流量切换、数据中台的核心业务详细讲解
- 1 对 1 解答：可以对我进行1对1的问题提问，而不仅仅只限于项目
- 针对性服务：有没理解的地方，文档或者视频还没有讲到可以提出，本人会补充
- 面试与简历指导：提供面试回答技巧，项目怎样写才能在简历中具有独特的亮点
- 中间件环境：对于项目中需要使用的中间件，可直接替换成我提供的云环境
- 面试后复盘：小伙伴去面试后，如果哪里被面试官问住了，可以再找我解答
- 远程的解决：如果在启动项目遇到问题，本人可以帮你远程解决
进入星球后，即可享受上述所有服务，保证不会再有其他隐藏费用。
