前三篇讲了加载、切分、向量化。这一篇讲第四段——Vector Stores：把向量存起来，支持相似搜索。

这一篇的核心不是讲某个具体向量库怎么用，而是讲 LangChain 用统一接口抽象它们带来的一个重要能力：可替换性。

向量库的作用

向量库干两件事：

  1. 存：把向量和对应的文档块存起来（建库阶段）
  2. 查：给一个查询向量，返回最相似的几块（查询阶段）

向量库：存与查

它本质是个「能做相似搜索的数据库」。和传统数据库（按主键/条件查）不同，向量库按「语义相似度」查——给个向量，找最近的。

主流向量库

向量库有不少选择，各有定位：

向量库 特点 适合
Pinecone 全托管 SaaS，省心 不想运维，量不大
Chroma 轻量，本地友好 开发、原型、小规模
FAISS Meta 开源，纯库，快 嵌入应用、单机、极致性能
pgvector Postgres 扩展 已有 PG，不想多加组件
Milvus 开源，分布式 大规模、生产

主流向量库对比

选型考虑：规模、运维成本、是否已有基础设施、数据隐私。小项目用 Chroma 起步，生产规模化上 Milvus 或 Pinecone，已有 Postgres 的直接 pgvector 省事。

核心价值：统一接口带来可替换性

这是这一篇的重点。LangChain 把所有向量库抽象成同一个 VectorStore 接口——不管底层是 Pinecone 还是 Chroma，对外暴露的方法都一样：

add_documents(...)   # 存
similarity_search(...) # 查
as_retriever()       # 变成 retriever

统一接口：换库不改调用

这带来一个巨大的工程价值：可替换性。你的业务代码调用的是 VectorStore 接口，不是某个具体库。想从 Chroma 换到 Pinecone，业务代码几乎不用改，只改初始化那几行。

这在实际中非常有用：开发阶段用 Chroma（本地、快、免费），上线换 Pinecone 或 Milvus（生产级）。换库不用重写 RAG 链，这是接口抽象的直接回报。

但注意：向量不能跨库迁移

可替换性指的是「代码层可替换」，但有个重要限制：已存的向量不能直接跨库迁移。

因为每个库的内部存储格式、索引结构不同。从 Chroma 换到 Pinecone，不是「把 Chroma 的数据导进 Pinecone」，而是用新的库重新跑一遍建库流程（加载→切分→向量化→存）。

换库要重新建库

所以换库的成本主要是「重建库的时间」，不是「改代码的成本」。代码改得少，但数据要重灌。规划时要意识到这点。

VectorStore 能变成 Retriever

VectorStore 有个方法 as_retriever()，能把自己转成 Retriever（下一篇讲）。转成 retriever 后，它就完全融入了 Runnable 体系，能进 LCEL 链。

这是个设计上的优雅：VectorStore 是「存储+搜索」的实体，Retriever 是「给查询返回文档」的 Runnable 协议。VectorStore 实现 Retriever 协议，于是存储层和应用层解耦——你的 RAG 链只认 Retriever，不在乎背后是哪个向量库。

收束：接口统一是工程红利

这一篇讲了 Vector Stores：

  • 作用是存向量、做相似搜索
  • 主流有 Pinecone/Chroma/FAISS/pgvector/Milvus，按规模和场景选
  • 核心价值：统一接口带来可替换性，换库几乎不改业务代码
  • 但已存向量不能跨库迁移，换库要重新建
  • VectorStore 能转成 Retriever，融入 Runnable 体系

下一篇讲第五段——Retrievers：检索的抽象，以及进阶检索策略。

关于十三Tech

我是十三，All in AI Agent 方向的架构师，专注 AI 工程实践。我相信 AI 是程序员的最佳搭档。

如果你想跟完这套「图解 LangChain」，欢迎关注公众号 「十三Tech」。全系列 42 篇，会按认识基础、LangGraph 状态机、Agent 与 middleware、RAG 检索、Tools/MCP/记忆、生产化收束这条线更新。

十三Tech公众号二维码