用途：用 AgentDB 实现语义向量搜索，支持智能文档检索、相似度匹配与上下文感知查询，适合构建 RAG 等应用。
主要能力：提供向量存储、相似度搜索、向量与元数据混合搜索；支持 HNSW 索引、缓存、MMR 多样化结果、批量操作；支持 cosine、euclidean、dot 距离度量；提供 binary、scalar、product 量化以降低内存占用。
使用方式：需 Node.js 18+、AgentDB v1.0.7+，以及 OpenAI API key 或自定义嵌入模型。CLI 初始化：npx agentdb@latest init ./vectors.db，可用 --dimension 指定维度（1536/768/384），--preset small/medium/large，--in-memory。查询：npx agentdb@latest query ./vectors.db "[...]" -k 10 -t 0.75 -m cosine -f json。导入导出：npx agentdb@latest export/import；统计：npx agentdb@latest stats。API 侧通过 createAgentDBAdapter 与 computeEmbedding 插入与检索。MCP 集成：npx agentdb@latest mcp，并可用 claude mcp add agentdb npx agentdb@latest mcp 接入 Claude Code。
适用场景：RAG 检索增强生成、文档相似检索、带元数据过滤的混合查询、大规模向量检索。
限制：资料未提供收费与价格信息；性能数据来自资料自述基准，实际效果依环境而定；需自行准备嵌入模型与 API key。