Laravel 13 Vector Search（pgvector）面向在 Laravel 13 中实现语义/向量搜索的场景，核心依赖 PostgreSQL + pgvector，或 MariaDB 11.7+（自 13.27 起支持向量查询）；MySQL/SQLite 不适用且没有回退方案。
主要能力：通过 Schema::ensureVectorExtensionExists() 启用向量扩展；提供查询构造器 whereVectorSimilarTo()、selectVectorDistance()、whereVectorDistanceLessThan()、orderByVectorDistance()；支持传入原始字符串由 Laravel 经 AI SDK 自动生成嵌入；默认使用余弦相似度，可通过 minSimilarity（0.0-1.0）设置阈值。
使用方式：资料给出迁移示例，创建 documents 表，含 text content、vector('embedding', dimensions: 1536)->index()（HNSW 余弦索引）与时间戳；查询示例为 Document::query()->whereVectorSimilarTo('embedding', 'best wineries in Napa Valley', minSimilarity: 0.4)->limit(10)->get()。资料还描述了推荐架构：迁移文件中启用扩展、定义 vector(1536) 列与 HNSW 索引；Eloquent 模型将 embedding 转换为数组并使用 whereVectorSimilarTo；VectorSearchService 封装查询与阈值逻辑，并提供 Document 模型与 VectorSearchService 模板。
资料要求的工作流为：实现前并行启动三个 Agent（explore-codebase 检查数据库驱动与现有嵌入列、research-expert 核实 pgvector 版本及 HNSW 与 IVFFlat 取舍、context7 查询 Laravel 13 文档），实现后用 sniper 验证。
关键规则与限制：必须使用 PostgreSQL（pgvector）或 MariaDB 11.7+；应创建 HNSW 索引，否则大表查询退化为全表扫描；插入与查询的嵌入模型维度必须完全一致；应缓存嵌入，避免每次请求重新生成；嵌入模型应视为 schema 字段锁定，更换模型会使全部已存嵌入失效。最佳实践包括：批量插入前先建 HNSW 索引、随向量存储模型名称以检测漂移、minSimilarity 从 0.3-0.5 起步再调优、与经典 where() 组合做混合过滤；不要无索引查询数千行以上、不要在同一列混用嵌入模型、不要在循环内生成查询嵌入（用 Embeddings::for([...]) 批量）、不要把嵌入存为 JSON 字符串。