定義
向量資料庫（Vector Database）是一種特殊的資料庫，它儲存的不是傳統的文字或數字，而是把每段文字轉換成一組數字（稱為「向量」或「Embedding」），這組數字代表了這段文字的「語意」。
傳統資料庫搜尋「客訴」，只能找到包含「客訴」這個詞的文件；向量資料庫可以理解「語意相似」，搜尋「客訴」也能找到「顧客抱怨」、「服務不滿」等相關內容，因為它們的語意向量很接近。這使得 AI 在搜尋相關資料時更加智慧和準確，是 RAG 系統的核心技術。
為什麼中小企業需要了解這個？
當你想要建立企業知識庫或 AI 客服系統時，向量資料庫是背後的重要基礎建設。雖然業主不需要親手建置，但理解它的作用，能幫助你跟技術團隊或服務供應商溝通需求。
簡單來說，向量資料庫讓你的 AI 能夠「讀懂意思」而不只是「比對文字」，這是讓 AI 客服不說蠢話的重要原因之一。
實際應用範例
台北一家連鎖餐飲集團把所有門市的服務 SOP、菜單說明、過往客訴記錄，儲存到向量資料庫中。當有新客訴進來時，AI 可以快速找到過去最相似的案例和解決方案，協助客服人員快速應對，平均處理時間縮短 45%。
台灣一家人力資源公司把所有履歷和職缺描述轉換成向量，讓系統自動配對最合適的候選人，比傳統關鍵字搜尋的配對準確率提升了三倍。