产品
PostgreSQL 的扩展，支持向量相似性搜索。
已跟踪 2 条高相关材料
最近变化
2026-06-23 · 使用 Strands Agents SDK 解析自然语言查询为结构化参数。
为什么值得关注
pgvector 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Build a protein research copilot with Amazon Bedrock AgentCore
AWS Machine Learning Blog · 8.5 分
本文展示如何使用 Amazon Bedrock AgentCore 构建蛋白质研究助手，实现自然语言查询、向量相似性搜索和 AI 结果总结。
聊一聊 Agent 的存算分离架构设计👇 一个有灵魂，有记忆的 Agent，一次任务的生命周期包括以下步骤 1. 用户输入 query（text + files） 2. Agent 读取提示词文...
idoubi(@idoubicc) · 8.5 分
Agent 的存算分离架构通过将存储与计算解耦，实现云端 Agent 的可扩展性与安全性，关键在于使用 kv、db、向量数据库和对象存储分层管理数据，并结合 sandbox 和 serverless 模式提升效率。
已收录 2 条与 pgvector 相关的内容，按评分排序。
本文展示如何使用 Amazon Bedrock AgentCore 构建蛋白质研究助手，实现自然语言查询、向量相似性搜索和 AI 结果总结。
入选理由：使用 Strands Agents SDK 解析自然语言查询为结构化参数。
Agent 的存算分离架构通过将存储与计算解耦，实现云端 Agent 的可扩展性与安全性，关键在于使用 kv、db、向量数据库和对象存储分层管理数据，并结合 sandbox 和 serverless 模式提升效率。
入选理由：Agent 的生命周期包含读取提示词、工具、记忆、构建上下文、执行 Loop 并交付结果等步骤。
