用途：基于 AgentDB 向量数据库实现语义向量搜索，用于智能文档检索、相似度匹配和上下文感知查询，适合构建 RAG（检索增强生成）等场景。
主要能力：支持向量存储与自动嵌入、相似度搜索、向量与元数据混合搜索；提供 HNSW 索引、缓存、MMR（最大边际相关性）多样化结果；支持二值、标量、乘积等量化策略以降低内存占用；支持 cosine、euclidean、dot 等距离度量；提供批量操作、导入导出与统计。
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 初始化示例：npx agentdb@latest init ./vectors.db，可用 --dimension 指定维度（1536/768/384），--preset small/medium/large，--in-memory。查询示例：npx agentdb@latest query ./vectors.db "[0.1,0.2,0.3]" -k 10 -t 0.75 -m cosine。也可通过 API 使用 createAgentDBAdapter 与 computeEmbedding，并调用 insertPattern、retrieveWithReasoning 等方法。支持 MCP 集成：npx agentdb@latest mcp，并可通过 claude mcp add agentdb npx agentdb@latest mcp 接入 Claude Code。
适用场景：RAG 管道、文档相似检索、带元数据过滤的混合搜索、大规模向量检索。
限制：资料未提供具体收费与价格信息；性能数据来自资料所述基准，实际效果可能因环境而异；需自行准备嵌入模型与 API key。