用途：用 AgentDB 实现语义向量搜索，支持基于含义的文档检索、相似度匹配与上下文感知查询，适合构建 RAG 系统、语义搜索引擎、知识库和基于内容相似度的推荐系统。当关键词搜索不足、用户按概念而非精确词检索时适用。
主要能力：语义搜索（按含义检索）；混合搜索（向量加关键词）；基于元数据的过滤；重排序以提升相关性；为 LLM 提供上下文的 RAG 集成。
使用方式：通过 npm CLI（npx agentdb@latest）或 TypeScript/JavaScript API（import { AgentDB } from 'agentdb-vector-search'）操作，无需额外 MCP 服务器。官方给出五阶段流程：初始化向量数据库并配置嵌入模型与库表结构；处理语料、生成嵌入并连同元数据存储向量；创建 HNSW 索引并优化参数、测试召回；实现查询接口，加入过滤、排序与混合搜索；最后优化相关性、加入重排序并做性能调优。
限制与注意：资料未提供具体收费、价格与平台支持信息。文档强调避免无索引的穷举搜索、单一向量相似度、以及不衡量检索指标等反模式；建议建立评估基线并持续跟踪指标。资料中列出的成功指标（召回率、延迟、API 可用性等）为参考目标，非保证结果。