PostgreSQL 的向量检索扩展——这是 pgvector 最主要的用途，也是本文讨论的前提。

这篇写给数据分析师：围绕取数与 SQL、清洗与可视化和分析报告这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

数据分析师的三个高频用法

1. 取数与 SQL

可直接复制到 pgvector 里修改：

根据表结构写 SQL：按月统计新增用户与 7 日留存，说明关联条件、时间口径和可能的重复计数问题。

把关：口径说明清楚。

2. 清洗与可视化

提示词示例：

检查这份数据的质量：缺失、重复、异常值和格式问题，给出处理方案，并说明每种处理对结论的影响。

把关：说明了处理影响。

3. 分析报告

提示词示例：

根据分析结果写一页报告：结论先行、3 个关键发现、1 张建议图表、局限性和下一步建议。

把关：结论有数据支撑。

也可以试试：检索效果对比

这是「搜索与知识库」类工具的通用任务，数据分析师同样用得上。

用同一批测试问题分别跑关键词检索、向量检索和混合检索，记录前 5 条结果中正确段落的命中情况。

边界与合规

确认指标口径，敏感数据脱敏后再交给 AI 处理。

  • 产出由数据分析师本人负责，AI 只是草稿和辅助。
  • 对外内容发布前至少看一遍。
  • 如单位有规定的工具清单，优先在清单内选择；pgvector 的同类还有 Qdrant、Milvus。

一周试用建议

选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 pgvector 纳入日常流程。

延伸练习

资料卡片整理

适用情况：手头有搜索得到的十几篇资料时。

把这些资料整理成卡片：每张卡片包括一句话结论、关键数据、来源和可信度评价，最后按主题分组。

验收标准：每张卡片都有来源。

内部文档入库

适用情况：手头有一批 PDF、Word 和网页时。

把这些文档解析为干净的文本：保留标题层级和表格，去掉页眉页脚，按章节切分，每段附上原文件名和页码。

检查点：切分后的段落能回溯到页码。

网页内容抓取

输入：一组需要定期关注的网页。

把这些网页转成 Markdown，去掉导航和广告，只保留正文、发布日期和作者；发布日期缺失时标注「未知」。

验收标准：没有臆造发布日期。

常见问题：中文检索效果差

选择对中文支持好的嵌入模型，并为专有名词建立同义词。

常见问题：回答过于笼统

要求逐条引用原文，并限定只回答文档中有依据的内容。

常见问题：答案引用了错误段落

调整切分大小、加入重排序，并检查文档解析是否丢失标题。

概念补充：混合检索

同时使用关键词和向量检索，兼顾精确匹配与语义理解。

概念补充：切分（Chunking）

把长文档拆成适合检索的小段，大小影响效果。

适合人群：记者编辑

记者编辑可以用 pgvector 处理采访整理、资料核查等工作。需要注意：事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。

写在最后

涉及个人信息、商业机密或受监管数据时，先确认 pgvector 的数据处理条款，再决定能否使用。

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

延伸阅读