向量盒子
向量盒子
面向 AI 应用的向量数据库服务，开箱即用，让你的 RAG、语义搜索与推荐场景轻松落地。
面向 AI 应用的向量数据库
大模型应用几乎都离不开向量检索：把文档、问答、商品描述等内容转成向量（Embedding）存起来，再按语义相似度快速找回最相关的内容，这就是 RAG 检索增强生成、语义搜索和智能推荐背后的核心能力。
向量盒子把这套能力做成开箱即用的托管服务：创建集合、写入向量、调用检索接口即可，支持自定义维度、集合管理与权限控制，无需自建和运维向量数据库集群，让小微企业和个人开发者也能低成本落地 AI 应用。
功能特性
高性能向量检索
按语义相似度毫秒级检索，支撑 RAG、语义搜索、推荐等在线场景。
自定义维度
创建集合时自定义向量维度，适配 OpenAI、BGE 等各类 Embedding 模型。
集合管理
控制台可视化管理集合，创建、查看、删除一目了然。
权限控制
基于 API KEY 的访问控制，保障数据安全可追溯。
开箱即用
无需部署与运维，注册后即可通过 API 读写向量数据。
按需付费
按实际用量付费，个人项目与小微团队也用得起。
如何接入
- 1
创建集合
登录不墨DEV，在向量盒子页面创建集合并设置向量维度。
- 2
写入向量
用你选择的 Embedding 模型将内容转成向量，通过 API 写入集合。
- 3
语义检索
在业务中调用检索接口，按相似度取回最相关的内容，接入 RAG 或搜索场景。
常见问题
向量盒子是什么？
向量盒子是不墨DEV 提供的托管向量数据库服务，用于存储和检索文本、图片等数据的向量表示（Embedding），是构建 RAG 检索增强生成、语义搜索、智能推荐等 AI 应用的基础设施，开箱即用、无需自建。
向量数据库能做什么？
将文档、问答、商品等内容转成向量存入集合后，即可按语义相似度进行毫秒级检索。典型用途：为大模型问答提供知识库（RAG）、语义搜索、相似内容推荐、去重与聚类等。
支持自定义向量维度吗？
支持。创建集合时可以自定义向量维度，以匹配你使用的 Embedding 模型；同时提供集合管理与权限控制能力。
和自建向量数据库相比有什么优势？
无需采购服务器、部署和运维集群，注册后创建集合即可通过 API 读写，按需付费，对小微企业和个人开发者更省心、成本更低。