用途：为 AgentDB 向量数据库提供性能优化方案，通过量化、HNSW 索引、缓存策略和批量操作，在保持精度的前提下提升搜索与写入速度、降低内存占用。
主要能力：
- 量化：binary（约 32 倍内存缩减）、scalar（约 4 倍）、product（约 8-16 倍）、none（全精度）。
- HNSW 索引：自动构建，可调 hnswM、hnswEfConstruction、hnswEfSearch。
- 缓存：内存模式缓存，LRU 淘汰，可设 cacheSize。
- 批量操作：批量插入与并行检索。
- 内存优化：自动合并相似模式、剪枝低质量模式。
- 监控：stats 命令与运行时指标（缓存命中率、搜索/插入延迟）。
使用方式：需 Node.js 18+、AgentDB v1.0.7+（经 agentic-flow）。运行基准测试：npx agentdb@latest benchmark；查看统计：npx agentdb@latest stats .agentdb/vectors.db。通过 createAgentDBAdapter 配置量化类型、缓存大小与 HNSW 参数。
适用场景：大规模向量检索、内存受限的移动/边缘部署、高维嵌入相似搜索、需要低延迟的生产应用。
限制：量化会带来一定精度损失（binary 约 2-5%，scalar 约 1-2%，product 约 3-7%）；HNSW 参数越高召回越好但内存与构建/搜索开销越大。资料未提供收费、价格与平台支持信息。