用途：在 Laravel 13 中实现语义/向量搜索，依赖 PostgreSQL + pgvector，或 MariaDB 11.7+（13.27 起支持向量查询）；MySQL/SQLite 不可用且无回退方案。
主要能力：Schema::ensureVectorExtensionExists() 启用扩展；查询构造器提供 whereVectorSimilarTo()、selectVectorDistance()、whereVectorDistanceLessThan()、orderByVectorDistance()；支持传入原始字符串由 AI SDK 自动生成 embedding；默认使用余弦相似度，可通过 minSimilarity（0.0-1.0）设阈值。
使用方式：迁移中启用扩展并创建 vector(1536) 列与 HNSW 索引；模型将 embedding 转为数组并使用 whereVectorSimilarTo；建议用 VectorSearchService 封装查询与阈值逻辑。示例查询：Document::query()->whereVectorSimilarTo('embedding', 'best wineries in Napa Valley', minSimilarity: 0.4)->limit(10)->get()。
适用场景：文档、内容等语义检索，可与经典 where() 组合做日期范围、租户等混合过滤。
限制与注意：必须使用 PostgreSQL(pgvector) 或 MariaDB 11.7+；需创建 HNSW 索引，否则超过约 1 万行会退化为全表扫描；插入与查询的 embedding 模型维度必须完全一致；应缓存 embedding 并锁定模型，更换模型会使全部已存向量失效；不要用 JSON 字符串存向量，不要在同一列混用模型，不要在循环内生成查询向量，应使用 Embeddings::for([...]) 批量处理。建议在批量插入前建好 HNSW 索引，minSimilarity 从 0.3-0.5 起调。