用途：为 AgentDB 向量数据库提供综合性能优化，覆盖量化、HNSW 索引、缓存与批量操作，资料称可获 150x-12,500x 提升，内存缩减 4-32 倍且尽量保持准确度。
主要能力： 量化：binary（32 倍内存缩减、约 2-5% 精度损失）、scalar（4 倍、约 1-2% 损失）、product（8-16 倍、约 3-7% 损失）、none（全精度）。 HNSW 索引：O(log n) 复杂度，可调 hnswM、hnswEfConstruction、hnswEfSearch。 缓存：内存模式缓存，LRU 淘汰，可通过 getStats() 查看 cacheHitRate。 批量操作：批量插入（100 向量约 2ms）与并行检索。 内存优化：optimizeMemory 自动整合、optimize() 手动优化、prune() 按置信度/使用次数/年龄清理。
使用方式：需 Node.js 18+、AgentDB v1.0.7+（经 agentic-flow）及现有数据库或应用。基准测试：npx agentdb@latest benchmark；统计：npx agentdb@latest stats .agentdb$vectors.db；通过 createAgentDBAdapter 传入配置项启用优化。资料提供最大速度、均衡、最大精度、内存受限四套配置示例。
适用场景：移动/边缘部署、大规模向量存储、高维嵌入检索、实时搜索等。
限制：量化会带来精度损失；参数与缓存调优需按规模权衡；性能数字来自资料给定测试环境（AMD Ryzen 9 5950X、64GB RAM），实际效果暂未提供其他环境验证；本地文档与 GitHub 链接地址在资料中以转义形式给出。