用途：用于在 Databricks 上创建、管理和查询向量搜索索引，支持 RAG（检索增强生成）、语义搜索与相似度匹配，可从 Delta 表构建向量索引。
主要能力：提供托管式向量相似度搜索，自动生成嵌入并与 Delta Lake 集成。端点分为 Standard（约 50-100ms 延迟，可承载 768 维 3.2 亿向量，成本较高，适合实时低延迟）与 Storage-Optimized（约 250ms，可承载 768 维 10 亿以上向量，成本约低 7 倍，适合大规模、成本敏感场景）。索引类型包括 Delta Sync（托管嵌入）、Delta Sync（自带嵌入）和 Direct Access（手动 CRUD、实时更新）。支持文本、向量与混合（语义+关键词）查询。内置嵌入模型 databricks-gte-large-en 与 databricks-bge-large-en（均为 1024 维）。
使用方式：通过 databricks.sdk 的 WorkspaceClient 创建端点与索引、执行查询、手动同步或扫描索引；命令行可用 databricks vector-search endpoints/indexes 系列命令。端点创建为异步操作，可用 get_endpoint() 查看状态。查询时可传入 query_text 或 query_vector，并用 filters_json（Standard，字典格式）或 filter_string（Storage-Optimized，类 SQL 语法）过滤。还提供 MCP 管理工具（create_vs_endpoint、create_vs_index、query_vs_index、upsert_vs_data 等），代理运行时查询需使用 Databricks 托管的 Vector Search MCP 服务器或 VectorSearchRetrieverTool。
限制：文档未提供具体收费标准与价格；查询与索引维数必须匹配；索引未更新时需检查 pipeline_type，TRIGGERED 类型需调用 sync_index()；Storage-Optimized 使用 filter_string 而非 filters_json。