请解释向量数据库的核心工作原理，并简要描述其基本机制。

回答思路

1. 【回答框架 1】向量数据库是为高效存储和检索高维向量而设计的专用数据库，核心原理是将数据表示为向量，并利用近似最近邻（ANN）索引加速相似度搜索。
2. 【回答框架 2】其工作流程包括：数据向量化（通过嵌入模型）、构建索引（如HNSW、IVF、PQ），查询时使用向量相似度度量（如余弦相似度）进行检索。
3. 【回答框架 3】索引结构旨在平衡查询速度与召回率：HNSW基于多层图，IVF基于聚类倒排，PQ通过压缩向量减少内存占用。
4. 【回答框架 4】实际应用中，向量数据库常与RAG结合，用于语义检索，但需要了解各索引的取舍，如内存消耗与查询延迟。
5. 【回答框架 5】针对具体方案，应说明使用场景与调优依据，如数据量级、维度、实时性要求。
6. 【关键点 1】向量数据库通过ANN索引实现近似最近邻搜索，而非精确扫描。
7. 【关键点 2】常用索引包括HNSW（图）、IVF（聚类）、PQ（量化），各有性能-召回权衡。
8. 【关键点 3】相似度度量通常为余弦相似度或欧氏距离，取决于向量规范化方式。
9. 【关键点 4】向量数据库仅提供检索能力，不保证业务幂等，RAG中需结合其他逻辑。
10. 【关键点 5】索引参数（如M、efConstruction）影响查询延迟与构建成本。
11. 【易错点 1】将向量数据库视为语义理解的万能工具，实际效果依赖嵌入模型质量。
12. 【易错点 2】忽略内存与磁盘I/O瓶颈，高维海量数据下索引可能过大。
13. 【易错点 3】混淆精确KNN与ANN，后者有近似误差，需根据场景权衡召回率。