文章を Embedding（G-16）で数値ベクトルに変換して保存し、似た意味のものを高速に探し出します。RAG（G-15）が資料を探す部分は、多くの場合このベクトル DB が担っています。
バイブ特有
522
ベクトル DB
ベクトルディービー
体験区分：少しだけ触った
推奨読者レベル：Level 3-4
何をしてくれるか
どこで出会うか
社内文書を検索させる RAG（G-15）を組むときや、似た商品・記事を探すレコメンド機能で使われます。PostgreSQL に pgvector を足すだけで試せることもあります。
イメージ
開発フローでの位置
選定
構築
データ登録
検索
運用
2026.08·ready
「PostgreSQL に pgvector を足すだけでベクトル DB として使えます。」
ベクトル DBの見方
523
この用語の見どころ
1
役割
文章の意味ベクトルを保存し、近いものを高速に探します。
2
うれしさ
言い回しが違っても、意味が近ければ見つけ出せます。
3
注意点
件数が増えるほど重くなり、変換モデルを変えると全件作り直しです。
4
どこで役立つか
社内文書検索や商品レコメンドの土台として使われます。
5
はじめに
まずは Postgres 拡張の pgvector から触るとつかめます。
6
深掘り先
RAG（G-15）、Embedding（G-16）、PostgreSQL（F-120）
非エンジニアのつまずき
- ベクトル＝方向と距離、という説明までは分かるけれど、それが何次元の空間なのかが分からない。
- 回転の概念なのか距離の概念なのか、どちらで「近い」を出しているのかが掴めない。
- 実際にどういう計算で近さを決めているのか、数学的なところが見えない。
私のコメント
- 第一印象:人間関係の図みたいに、空間に置いていくイメージ。なんとなくの結果としては分かる。
- 良い点:言い回しが違っても意味で引けるところ。
- ダメな点:中で何をやっているのか、数学的なところが分かりづらい。法則として書いておきたいと思う。
- 誰向けか:検索、とくに RAG を実装する人。使い回せるのか、作り直しや更新の手間はどうか、まで含めて考える必要がある。
関連用語
備考
選び方の軸はおおむね 3 通り。
G-17·term_llm
バイブコーディング図鑑