用途：为 AgentDB 向量数据库提供性能优化方案，通过量化、HNSW 索引、缓存策略与批量操作，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，精度约 95-98%）、scalar（约 4 倍，98-99%）、product（8-16 倍，93-97%）、none（全精度）。
- HNSW 索引：自动构建，O(log n) 搜索复杂度，可调 hnswM、hnswEfConstruction、hnswEfSearch。
- 缓存：内存模式缓存，LRU 淘汰，可设 cacheSize 并查看 cacheHitRate。
- 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，支持手动 optimize 与 prune。
- 监控：通过 stats 查看模式数、库大小、平均置信度、缓存命中率、搜索与插入延迟。
使用方式：需 Node.js 18+、AgentDB v1.0.7+（经 agentic-flow）及已有数据库。可用 npx agentdb@latest benchmark 跑基准，npx agentdb@latest stats .agentdb/vectors.db 查看统计。通过 createAgentDBAdapter 配置 quantizationType、cacheSize、hnswM 等参数启用优化。
适用场景：移动/边缘部署、大规模向量存储、高维嵌入检索、内存受限环境，以及按数据规模（<10K、10K-100K、100K-1M、>1M）选择不同量化与索引配置。
限制：量化会带来不同程度的精度损失；HNSW 参数越高召回越好但内存与构建/搜索开销越大；资料未提供具体收费与平台支持信息。