В облачных базах данных появилась новая СУБД — PGVector. Это управляемый PostgreSQL с предустановленным расширением pgvector. В нем можно хранить векторы рядом с обычными данными и искать по смыслу, а не по точному совпадению слов.

Отдельную векторную базу данных разворачивать не нужно: кластер готов к работе с векторами сразу после создания.

Как работает векторный поиск
ML-модель преобразует текст, документ или изображение в вектор — набор чисел, который отражает смысл. Поэтому запрос «Как оформить возврат товара?» найдет инструкцию о возврате покупок, даже если слова в них не совпадают. PGVector ищет ближайшие по смыслу векторы и поддерживает индексы HNSW и IVFFlat, которые ускоряют поиск на больших объемах.

Для чего подойдет PGVector

• RAG, AI-ассистенты и чат-боты по документации и базам знаний;
• семантический поиск по каталогам и внутренним документам;
• хранение памяти и знаний AI-агентов, в том числе в n8n и других оркестраторах;
• бэкенд MCP-серверов;
• векторный поиск вместе с SQL-фильтрами в привычной модели данных PostgreSQL.

Что входит в управляемый кластер

• автоматические бэкапы и восстановление из них;
• отказоустойчивость за счет реплик;
• масштабирование нод: vCPU, RAM и диска;
• пулер соединений PgBouncer;
• мониторинг с экспортом метрик в Prometheus;
• шифрование данных.

Если у вас уже есть база PostgreSQL, ее можно перенести в PGVector, инструкция есть в документации.
PGVector доступен во всех регионах: в Казахстане, Узбекистане и Кении.
docs.servercore.com/ru/managed-databases/pgvector/