向量存储整体架构
FastGPT采用PostgreSQL的PG Vector插件作为向量检索器，索引类型为HNSW。PostgreSQL仅用于向量检索，该引擎可替换为其他数据库，MongoDB用于其他数据的存取。在MongoDB的dataset.datas表中，存储向量原数据的信息，同时包含indexes数组字段，该字段为数组类型，可记录多个对应的向量ID，因此一组数据可对应多个向量。除默认文本索引外，若模型能力支持，可生成图片描述索引或图片向量索引。
向量存储配置要点
- 向量检索模块使用PostgreSQL的PG Vector插件，需配置索引类型为HNSW，表中设置vector字段存储向量数据。
- 非向量数据存储使用MongoDB，其中dataset.datas表需包含indexes数组字段，用于记录关联的向量ID。
- 向量检索引擎可替换为其他数据库，若模型能力支持，可生成图片描述索引或图片向量索引。
向量检索执行流程
在向量检索过程中，先通过PostgreSQL召回匹配的向量，再根据向量的ID前往MongoDB中查找对应的原数据内容。若多个向量对应同一组原数据，则将结果合并，最终取最高的向量得分作为该组数据的检索得分。
来源： FastGPT 官方来源
适用性与版本范围
本页适用于官方来源记录的 教程 场景。执行变更前，需核对 FastGPT、依赖、API 与部署版本。
安全护栏
凭证与私密数据使用 [REDACTED_CREDENTIAL] 占位符。执行操作前需核对文档的环境与版本。
回滚指引
恢复变更前的技术内容权威快照、已保存配置与数据快照，再执行最小验证场景。