使用 PostgreSQL 和专为 AI 构建的扩展构建 RAG、搜索和 AI 代理：pgvector、pgvectorscale 和 pgai。
面向 AI 应用的简单堆栈
使用一个数据库来存储应用程序的元数据、向量嵌入和时间序列数据，您可以告别数据重复、同步以及跨多个系统跟踪更新的操作复杂性。
更低延迟的搜索。更快乐的最终用户。
与 Pinecone 的存储优化索引 (s1) 相比，PostgreSQL 与 pgvector 和 pgvectorscale 的组合在 99% 的召回率下，近似最近邻查询的 p95 延迟降低了 28 倍，查询吞吐量提高了 16 倍，而月成本降低了 75%。
了解更多具有完整 SQL 的向量数据库
编写包含向量嵌入的完整 SQL 关系查询，并使用 WHERE 子句、ORDER BY 和其他 PostgreSQL 功能。利用所有 PostgreSQL 数据类型来存储和过滤更丰富的元数据。轻松地将向量搜索结果与相关的用户元数据进行 JOIN 操作，以获得更具上下文相关性的响应。
一个平台，满足您的 AI 应用需求
Timescale 增强的 PostgreSQL 数据平台是您应用程序的向量、关系和时间序列数据的家园。
灵活透明的定价
没有“按查询付费”或“按索引付费”。计算和存储分离，可在您成长的同时灵活地扩展资源。基于使用情况的存储和动态计算（即将推出），因此您只需为实际使用的内容付费。
从第一天起即可扩展
借助自动备份、故障转移和高可用性功能，满怀信心地将应用程序推向生产环境。使用只读副本扩展查询负载。一键式数据库分叉，用于测试新的嵌入和 LLM 模型。咨询支持可指导您发展壮大，无需额外费用。
企业级安全和数据隐私
符合 SOC2 Type II 和 GDPR 标准。静态和动态数据加密。针对您的 Amazon VPC 进行 VPC 对等连接。安全备份。多因素身份验证。
以您想要的任何方式访问您的 PostgreSQL 数据库。使用 Python 客户端、您最喜欢的 LLM 框架中的集成，或通过 PostgreSQL 库、ORM、连接器和工具。
Pgvector vs Pinecone: Vector database comparison
Pgvectorscale Github
Pgai Github
PostgreSQL and pgvector: Now Faster than Pinecone, 75% Cheaper, 100% Open Source
Pgai: Giving PostgreSQL Developers AI Engineering Superpowers
Making PostgreSQL a Better AI Database
PostgreSQL Hybrid Search Using Pgvector and Cohere
How to Implement RAG With Amazon Bedrock and LangChain
A Beginner’s Guide to Vector Embeddings
LangChain and pgvector: Up and Running
Create, store and query OpenAI embeddings with PostgreSQL and pgvector
What Are ivfflat Indexes in pgvector and How Do They Work
A Complete Guide to Creating and Storing Embeddings for PostgreSQL Data
How We Designed a Resilient Vector Embedding Creation System for PostgreSQL Data
Text to SQL with PostgreSQL and GPT4o
Combine Vector Search and RAG with Instructor
