感觉主要是图搜，或者结合 embedding 可以做上下文语义搜索这种（embedding其实就是把文本转成多维数组，转的过程中会考虑到前后字符之间的关系，所以向量化的数据会隐含上下文）。 之前这方面感觉主要是多媒体搜索相关，例如图搜——把图片转成多维向量，即浮点数组，然后查询图片相似度； 大模型火了之后，结合 embedding + 知识库的上下文向量搜索的场景多了一些，例如 RAG 单就 embedding + 知识库的场景说，现在很多像dify这种如果做基于知识库的场景，会支持「混合检索」就是关键字全文检索+向量检索，个人感觉各有优劣吧：比如 ① 自然语言提问的时候命中知识库，全文…

想参加！想升到 8.1LTS 版本

已申请

哇 期待，关于 TiDB Vector 有更多的文档或者源码可以看看吗 顺便蹲一个明天的PPT

嗯 用的是serverless！目前还是5G以内的白嫖用户 orz

没影响，因为我用的 TiDB Cloud + Vercel 国内的云确实想试试腾讯云，产品体验相对比较好

卧槽这个好便宜！

冲冲冲，准备考 PCSD

+1+1+1 建议回答的时候添加上引用的知识库、源码或者帖子。 如果是用大模型做的，感觉可以把大模型中间结果也可以打出来以供参考，比如，查了哪些知识库，查了哪些源码，调用了哪些function，大模型的thoughts 等。

我还没有周边，Ti羡慕了

感觉很需要一个文档/源码助手！

之前用支持 Postgress 的 Neon 存博客的统计信息，部署umami用的 Netlify。 但是 neon 只能免费用 512M 存储。 TiDB Serverless 可是有 5GB ！！！ 现在直接选择 Vercel + TiDB Cloud Serverless。 TiDB yyds

这个 PingCAP 认证 TiDB 数据库专员（PCTA）认证考试范围指引

看这个代码示例应该是没啥影响，https://docs.pingcap.com/zh/tidb/v7.6/dev-guide-transaction-restraints#si-不能克服写偏斜 还有 SHOW ENGINE 这里的说明 [image]

Compaction 是 Tikv 中 rocksdb 的磁盘压缩策略，旨在压缩 SSTable 中数据的，这是对所有记录及其历史记录而言的，具体的内容rcksdb有wiki GC 可以认为是 TiDB Server 的触发定时任务的能力，定时清除被标记删除的记录，这部分可以看 tidb 的 wiki

想先考PCSD，PCTP等之后有时间吧

冲冲冲

感觉tidb在AI方面可以做的内容还挺多的，比如自然语言生成SQL，这个比较现成；结合报表数据做 GBI；充当模型记忆模块做向量化等等，期待这部分的内容

TiDB + AI 的场景 和 TiDB的向量化插件。 看到了这个 c4pt0r/tidbserverless-vec-search-demo