用途：在本地运行的 Azure SQL Database 容器内实现向量存储、相似度搜索与 RAG 检索，直接用引擎的原生 VECTOR(n) 类型和 VECTOR_DISTANCE，无需额外向量存储。注意目标镜像是 sqldbpreview-dpgaeqhmgphzd4bk.azurecr.io/azure-sql/db-dev:latest（需先 docker login），不是 mcr.microsoft.com/mssql/server；用 SELECT SERVERPROPERTY('EngineEdition') 应为 5、Edition 为 SQL Azure 确认。
主要能力：创建含 embedding VECTOR(n) 列的表；用 CAST(CAST(? AS NVARCHAR(MAX)) AS VECTOR(n)) 写入 JSON 数组形式的向量；按 VECTOR_DISTANCE('cosine',...) 升序取 top-k 实现语义检索，再拼入提示词构成 RAG。也支持 CREATE VECTOR INDEX（DiskANN，METRIC='cosine', TYPE='diskann'）近似检索，小表用全量扫描同样正确。
使用方式：引擎不会自动建库，需在 master 连接执行 CREATE DATABASE appdb，之后一律用连接串 Database=appdb（或 sqlcmd -d appdb），不要用 USE 切换库（用户库会话返回 Msg 40508）。维度 n 必须是字面量，不能作为绑定参数，需与 embed() 输出维度一致（如 768、1536）。嵌入模型是唯一的网络调用，示例用本地 Ollama /api/embed。
限制：vector(n) 上限 1998 维（Msg 2717），且维度过期无法 ALTER 加宽，换模型需新列并重新嵌入。建向量索引需表内非空向量至少 100 行（Msg 42266）；索引存在时 TRUNCATE TABLE 被拒（Msg 42232），可用 DELETE；DROP VECTOR INDEX 不存在，用 DROP INDEX ... ON；CREATE VECTOR INDEX 前必须 SET QUOTED_IDENTIFIER ON。容器上向量索引与安全策略不能共存（Msg 37579 / 42244），同一表需权衡租户过滤与索引。