**ฐานข้อมูลเดิมค้นคำ ฐานข้อมูลเวกเตอร์ค้นความหมาย **ฐานข้อมูลแบบเดิมค้นด้วยคำที่ตรงกัน ถ้าผู้ใช้พิมพ์ "ลาพักร้อน" แต่เอกสารเขียนว่า "วันหยุดประจำปี" ระบบจะหาไม่เจอ
Vector database เก็บข้อความในรูปของเวกเตอร์ที่แทน "ความหมาย" ทำให้ค้นเจอแม้ใช้คำต่างกัน ตราบใดที่สื่อความหมายเดียวกัน
**มันทำงานอย่างไร **1. ข้อความถูกแปลงเป็นเวกเตอร์ด้วย embedding model 2. เวกเตอร์ถูกเก็บพร้อม metadata เช่น ชื่อไฟล์ แผนก สิทธิ์การเข้าถึง 3. เมื่อมีคำถาม ระบบแปลงคำถามเป็นเวกเตอร์แล้วหาชิ้นที่ "ใกล้" ที่สุด 4. ส่งผลลัพธ์ต่อให้ LLM เรียบเรียงคำตอบ
**เกณฑ์เลือกให้เหมาะกับองค์กร **- Deploy ที่ไหนได้บ้าง ถ้าข้อมูลอ่อนไหว ต้องรองรับ on-premise หรือ private cloud
เลือกเครื่องมือก่อนรู้ว่าจะใช้กับเอกสารชุดไหน ตัดเอกสารเป็นชิ้นใหญ่เกินไปจนค้นเจอแต่ไม่ตรงจุด และลืมวางแผนเรื่องการอัปเดตเมื่อเอกสารต้นทางเปลี่ยน
Vector database ไม่ใช่ของวิเศษ แต่เป็นโครงสร้างพื้นฐานที่ทำให้ AI ตอบจากข้อมูลจริงได้ เริ่มจากโจทย์การใช้งานจริงก่อน แล้วค่อยเลือกเครื่องมือตามข้อจำกัดด้านสิทธิ์และการ deploy## text