快乐冲浪与生活

在大模型时代，应用须提供语义搜索或知识检索功能，如果后端数据库本身使用的就是 PG，则可以直接使用 pgvector 来实现，无需额外的数据库组件。

什么是 pgvector

pgvector 是 PostgreSQL 的一个开源扩展，它让 PG 能够原生存储、索引和检索高维向量（embedding）。 它把"向量相似度搜索"这一原本需要专门向量数据库的能力，直接下沉到了你熟悉的关系型数据库里。常用于语义搜索、RAG 检索、推荐系统等 AI 场景，让应用用一条 SQL 就能做"找最相似的 N 条数据"。

文本相似度

文本相似度，简单说就是量化两段文本的内容重合、语义相近程度，是 NLP 最基础、最高频的任务之一。

日常业务中随处可见：

• 文章查重、内容去重
• 问答系统：用户提问与历史问题匹配
• 搜索推荐：相似内容召回
• 评论舆情：重复言论过滤
• 短文本匹配、指令对齐

文本相似度算法主要分两类：

系列文章第 6 篇 · AI Agent 六大主流架构拆解 本篇拆解 Memory-Augmented 架构，把"短期工作记忆 + 跨会话长期记忆 + 记忆控制器"装进 Agent，让它"记住用户、记住经验、记住你自己"，示例选择油菜表型采集这一典型"长期、连续、按口径"的任务。

系列文章第 5 篇 · AI Agent 六大主流架构拆解 本篇拆解 Multi-Agent 架构，从"一个 Agent 包打天下"走向"一个团队分工协作"，落到油菜新品种审定申报材料的协同准备这一典型多角色场景上。

系列文章第 4 篇 · AI Agent 六大主流架构拆解
本篇拆解 Router，解决一个入口、多个专长的分发问题，并把它落到油菜种植技术咨询这一典型多领域场景上。

系列文章第 3 篇 · AI Agent 六大主流架构拆解 本篇拆解 Reflexion，把“执行 → 评估 → 反思 → 记忆”的自我纠错循环装进 Agent，并把它落到油菜杂交组合配置方案的迭代优化这一典型“试错改进”任务上。

TimescaleDB 介绍

TimescaleDB 是一个基于 PostgreSQL 的时间序列数据库扩展（不是独立数据库），通过安装扩展把 Postgres 变成能高效处理时序数据的引擎，兼容所有 Postgres 生态。TimescaleDB 使用场景下的数据带有 3 个明显的特征：

概念

NDCG（Normalized Discounted Cumulative Gain，归一化折损累计增益） 是信息检索与排序学习中用来评价排序质量的核心指标。

它由三个逐层递进的概念组成：

系列文章第 2 篇 · AI Agent 六大主流架构拆解
本篇拆解 Plan-and-Execute，把“规划”与“执行”分离，并把它落到油菜新品种区域试验评价这一长周期多阶段任务上(场景与第 1 篇的「种质性状查询」互补)。

系列文章第 1 篇 · AI Agent 六大主流架构拆解 本篇拆解最经典的 ReAct(Reasoning + Acting)，并把它落到一个真实场景——油菜育种种质助手。

什么是 ReAct

ReAct 由姚顺雨等人在 2022 年论文《ReAct: Synergizing Reasoning and Acting in Language Models》中提出的 AI Agent 框架，其核心思想是:让大语言模型把"推理(Reasoning)“和"行动(Acting)“交错成循环 —— 每一步先想清楚下一步该做什么(Thought)，再去真正调用一个外部工具(Action)，拿到工具返回的结果(Observation)，再回想，如此往复，直到信息足够给出最终答案。