第1章
向量数据库概述
什么是向量、向量数据库，为什么需要向量数据库，与传统数据库的对比分析。
基础概念
第2章
核心概念
嵌入（Embedding）、向量维度、相似度度量：余弦相似度、欧氏距离、点积。
嵌入度量
第3章
主流产品概览
Pinecone、Weaviate、Milvus、Qdrant、Chroma 的特点与选型建议。
选型对比
第4章
环境准备
Python环境配置、安装Pinecone客户端、Milvus Docker部署、获取。
环境安装
第5章
第一个向量数据库项目
连接数据库、创建索引、插入向量数据，快速上手实践。
入门实战
第6章
向量生成
使用 Embedding API、Sentence-Transformers库，文本向量化实战。
生成API
第7章
基础查询
相似度搜索（query）、返回结果解析、Top-K与阈值过滤。
查询过滤
第8章
元数据过滤
什么是元数据，标量过滤与向量搜索结合，Filter表达式语法。
过滤元数据
第9章
索引管理
创建索引参数（metric_type、dimension）、查看索引列表、删除索引。
索引管理
第10章
数据操作
插入（upsert）、更新、删除单条/批量数据，数据持久化。
CRUD批量
第11章
批量处理
批量插入优化、异步写入、吞吐量调优建议。
性能优化
第12章
命名空间（Namespace）
多租户隔离、命名空间的作用、切换命名空间查询。
多租户隔离
第13章
向量更新与删除
更新向量内容、删除指定ID的向量、清空索引。
维护清理
第14章
高级查询
混合搜索（向量+标量）、排序、分页（offset/limit）。
高级分页
第15章
性能调优
索引类型对比（IVF、HNSW、Flat）、参数选择、内存与速度权衡。
调优索引
第16章
Pinecone实战
创建Pod、配置环境、使用gRPC接口、监控与日志。
Pinecone实战
第17章
Milvus实战
Standalone与Cluster模式、Collection与Partition、加载与释放。
Milvus分布式
第18章
Weaviate实战
Schema定义、自动模式、GraphQL查询、多模态支持。
WeaviateGraphQL
第19章
Qdrant实战
Point与Payload、本地模式与分布式模式、Snapshot备份。
Qdrant备份
第20章
Chroma实战
轻量级嵌入、持久化客户端、与LangChain集成。
Chroma轻量
第21章
文本语义搜索
构建文档搜索引擎、分块策略、检索增强生成（RAG）基础。
搜索RAG
第22章
图像相似度搜索
使用CLIP模型生成图像向量、以图搜图实战。
图像CLIP
第23章
推荐系统
基于向量相似度的物品推荐、用户画像向量化、实时推荐。
推荐实时
第24章
异常检测
使用向量距离检测异常点、时间序列向量化、阈值设定。
异常检测
第25章
LangChain集成
VectorStore接口、Retriever、Chain组合、对话记忆。
LangChain集成
第26章
LlamaIndex集成
Index结构、Node解析、Query Engine、与向量库对接。
LlamaIndex索引
第27章
部署与运维
Docker Compose部署Milvus、Kubernetes部署、备份与恢复。
部署运维
第28章
安全与权限
管理、网络隔离、数据加密、访问控制列表。
安全权限
第29章
成本优化
索引压缩、量化（PQ/SQ）、冷热数据分离、Serverless选项。
成本优化
第30章
项目实战：端到端RAG问答系统
数据准备→向量化→检索→生成→部署，构建完整RAG系统。
实战RAG