用途：为语义搜索与 AI 应用配置向量数据库（Pinecone、Chroma、pgvector、Qdrant，并提及 Weaviate），完成从选型到查询的完整流程。
核心工作流：选择数据库 → 配置客户端连接 → 生成嵌入 → 带元数据索引文档 → 向量相似度查询 → 性能调优。数据库对比：Pinecone 为托管型，适合生产、免运维；Chroma 为嵌入式/服务器型，适合开发与本地；pgvector 是 PostgreSQL 扩展，适合已有 Postgres；Qdrant 可自托管，适合需要完全控制。
主要能力：OpenAI 嵌入生成与批量处理（含限流等待），Pinecone 的索引创建、upsert、查询、按 ID 或过滤条件删除；Chroma 的集合创建、增删改查与 where 过滤；pgvector 的表与 ivfflat/hnsw 索引创建、相似度与元数据过滤查询及混合搜索（向量与全文组合）；Qdrant 的集合创建、点 upsert 与带过滤搜索。另含基于 RecursiveCharacterTextSplitter 的文档切分摄入管线。
使用方式：按数据库安装对应依赖，如 npm install @pinecone-database/pinecone、npm install chromadb、npm install pg pgvector、npm install @qdrant/js-client-rest；配置环境变量中的 API Key 与连接地址，调用相应函数完成写入与检索。
限制与最佳实践：需匹配嵌入模型维度；建议使用命名空间、元数据、批处理、缓存嵌入、混合搜索并监控延迟与召回；索引选择上 HNSW 偏速度、IVF 偏内存。未提供具体价格、性能基准与平台限制等信息。