用途：为 AgentDB 向量数据库提供性能优化方法，覆盖量化压缩、HNSW 索引、缓存与批量操作，目标是在保持一定精度下缩短搜索延迟、减少内存占用。
主要能力：量化方面，binary 约 32 倍内存压缩（约 2-5% 精度损失），scalar 约 4 倍（约 1-2% 损失），product 约 8-16 倍（约 3-7% 损失），也可关闭量化保留全精度。HNSW 索引自动构建，搜索复杂度 O(log n)，可调 hnswM、hnswEfConstruction、hnswEfSearch 参数。缓存为内存内 LRU，cacheSize 可设，目标命中率 >80%。批量插入与并行检索可减少开销，另有模式整合与低置信度剪枝。
使用方式：需 Node.js 18+、AgentDB v1.0.7+ 及已有数据库或应用。运行 npx agentdb@latest benchmark 查看基准；用 createAgentDBAdapter 配置量化类型、缓存大小与 HNSW 参数；npx agentdb@latest stats .agentdb/vectors.db 查看统计。资料给出最大速度、均衡、最大精度、内存受限等配置组合与不同规模建议。
限制：量化会带来精度损失，参数调整需在速度与召回间权衡；文档中的性能数字来自特定测试环境（AMD Ryzen 9 5950X、64GB RAM），实际表现可能不同；进阶细节见所附文档与仓库链接。