用途：为 AgentDB 向量数据库提供系统化性能优化方案，覆盖量化、HNSW 索引、缓存与批量操作，目标是在保持可接受精度的前提下降低内存并提升检索速度。资料给出的指标为：向量搜索 <100µs、模式检索 <1ms、100 条向量批量插入 2ms，整体提升 150x-12,500x，内存缩减 4-32x。
主要能力：一是量化，binary 约 32x 内存缩减、约 2-5% 精度损失、搜索约快 10x；scalar 约 4x 缩减、约 1-2% 损失、约快 3x；product 约 8-16x 缩减、约 3-7% 损失、约快 5x；none 为全精度。二是 HNSW 索引，O(log n) 复杂度，可调 hnswM、hnswEfConstruction、hnswEfSearch。三是缓存，内存模式缓存与 LRU 淘汰，可监控 cacheHitRate 并目标 >80%。四是批量操作，批量插入与并行检索。五是内存优化，支持自动与手动 consolidate、prune 低置信/低使用/过期模式。
用法：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 <db> 看统计；通过 createAgentDBAdapter 传入 dbPath、quantizationType、cacheSize、hnswM 等参数启用优化。
适用场景：按数据规模与内存约束选择配方（小规模全精度、中等 scalar、大规模 binary、超大规模 product），并提供最大速度/平衡/最大精度/内存受限四类配置。
限制：精度损失随量化方式不同；参数调优涉及召回率与速度权衡；资料未提供价格、收费与平台支持信息。