Хранилище для эмбеддингов: вместо точного совпадения значений оно находит записи, чей смысл ближе всего к запросу в многомерном пространстве.
Это поисковая половина любого работающего AI-ассистента. Качество поиска здесь ограничивает качество ответа: модель не процитирует документ, который слой поиска не вернул.
Мы выбираем решение по объёму данных. Postgres с pgvector честно закрывает большинство проектов; отдельное хранилище оправдано на масштабе, а на качество сильнее влияют фильтры по метаданным и переранжирование, чем смена движка.