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：基于 HNSW 索引、量化和缓存，宣称亚毫秒级检索（<100µs），支持余弦、欧氏、点积等距离度量，支持 MMR 多样化结果、混合搜索（向量+元数据过滤）、批量操作、导入导出与统计。量化可选 binary（约32倍内存缩减）、scalar（约4倍）、product（约8-16倍）。
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 768/384 或 --preset small/medium/large。查询：npx agentdb@latest query ./vectors.db "[...]" -k 10 -t 0.75 -m cosine。API 侧通过 createAgentDBAdapter 与 computeEmbedding 插入和检索。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、大规模向量库。
限制：性能数字与基准来自资料自述，未独立验证；需匹配嵌入维度（OpenAI ada-002 为1536，sentence-transformers 为768，MiniLM 为384）；相似度阈值建议从0.7起调；具体收费、平台支持等暂未提供。