databricks-vector-search

用途：Databricks Vector Search 提供托管式向量相似度检索，用于构建 RAG（检索增强生成）应用、语义搜索或相似度匹配，并可基于 Delta 表创建向量索引。主要能力：包含端点与索引两类组件。端点分 Standard（约 50-100ms，约 320M 向量/768 维，成本较高，适合低延迟实时场景）和 Storage-Optimized（约 250ms，1B+ 向量，成本约低 7 倍，适合大规模、成本敏感场景）。索引类型有 Delta Sync（托管嵌入由 Databricks 计算、自管理嵌入由用户提供，均随 Delta 表自动同步）和 Direct Access（手动增删改查，适合实时更新）。支持文本查询、向量查询、混合检索（semantic+keyword）及过滤。使用方式：通过 Databricks SDK 或 CLI 操作。示例：w.vector_search_endpoints.create_endpoint(name="my-vs-endpoint", endpoint_type="STANDARD")，端点创建为异步，可用 get_endpoint() 查状态；用 w.vector_search_indexes.create_index(...) 建索引，pipeline_type 可选 TRIGGERED 或 CONTINUOUS，TRIGGERED 需调用 sync_index() 手动同步；查询用 query_index(...)，文本或 query_vector 检索。CLI 如 databricks vector-search endpoints list、databricks vector-search indexes get-index --index-name catalog.schema.my_index。内置嵌入模型有 databricks-gte-large-en 和 databricks-bge-large-en（均 1024 维）。限制与注意：过滤语法因端点而异，Standard 用 filters_json（字典），Storage-Optimized 用 filter_string（SQL 语法）；columns_to_sync 只同步所需列，未同步列不会出现在结果中；嵌入维度需与索引一致；容量不足可升级到 Storage-Optimized。具体费用、配额与部署区域暂未提供。