本文聚焦被 AI 炒火了的向量数据库，介绍了AI嵌入与向量存储检索的基本原理，并用一个具体的知识库检索案例来串联介绍向量数据库插件 PGVECTOR 的功能、性能、获取与应用。
与马斯洛需求金字塔类似，用户对于数据库的需求也有着一个递进的层次：生理需求，安全需求，归属需求，尊重需求，认知需求，审美需求，自我实现需求与超越需求。
降本增效的主旋律触发了所有技术的价值重估。本系列将评述热点技术，并对其在当下的利弊权衡发出灵魂拷问。
随着硬件技术的进步，单机数据库的容量和性能已达到了前所未有的高度。分布式(TP)数据库在这种变革面前显得极为无力，和“数据中台”一样穿着皇帝的新衣，处于自欺欺人的状态里。
连SOA典范亚马逊自个都觉得微服务和Serverless拉胯了，微服务架构还是个好主意吗？ 亚马逊的Prime Video团队发表了一篇非常引人注目的案例研究 ，讲述了他们为什么放弃了微服务与Serverless架构。
AI大模型可以有意识，但不一定有自我意识。“意识”这个词到底是从哪里的来的，我们可以从认知心理学，神经网络与佛教唯识论三个角度去展开。看完《万神殿》后的一点感想。
也许就在这一二十年，我们会目睹一个拜 AI 神教的崛起。下面是对于此 “AI神教” 的一些想象：
在公有云块存储的百倍溢价杀猪比率前，云数据库只能说还差点意思。本文用揭示了公有云真正的商业模式 —— 廉价EC2/S3获客，EBS/RDS杀猪。而这样的做法，也让公有云与其初心愿景渐行渐远。
本来我相信至少在 IaaS 的存储，计算，网络三大件上，公有云厂商还是可以有很大作为的。只不过在腾讯云 CDN 上的亲身体验让我的想法动摇了：本土云厂商的产品与服务真是不忍直视。
郭德纲有一段相声：比如我和火箭专家说，你那火箭不行，燃料不好，我认为得烧柴，最好是烧煤，煤还得精选煤，水洗煤不行。如果那科学家拿正眼看我一眼，那他就输了。
云数据库高达几倍到十几倍的溢价，对于适用光谱外的用户是毫无疑问的杀猪。但我们可以进一步探究：公有云特别是云数据库为什么会是这样？并基于其底层逻辑此对行业的未来进行预测与判断。
寒冬来袭，大厂纷纷开始裁员进入降本增效模式，作为公有云杀猪刀一哥的云数据库，故事还能再讲下去吗？你用云数据库一年的钱，就够买几台甚至十几台性能更好的服务器，用云数据库到底是不是在交智商税？
