选 pgvector 方案前先回答这 5 个问题
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。
这篇不列具体价格（以官网为准），而是帮你判断自己属于哪类用户、该选什么方案。
先回答这 5 个问题
- 每周大概用几次？偶尔用还是每天用？
- 是一个人用，还是需要团队共享与权限管理？
- 是否需要接入其他系统（API、集成）？
- 处理的数据是否敏感，需要企业级条款吗？
- 预算由个人承担还是公司报销？
对应的选择
| 你的情况 | 建议 |
|---|---|
| 偶尔使用、先体验 | 免费版或试用，先跑通一个任务 |
| 每天使用的个人 | 个人付费版，按月订阅便于随时调整 |
| 3 人以上协作 | 团队版，关注共享空间、权限与账单管理 |
| 需要接入系统 | API 或开发者方案，按用量计费并设上限 |
| 有合规要求 | 企业版或私有化，先审数据处理协议 |
不同产品的方案名称和权益差异很大，pgvector 具体有哪些档位、价格多少，请以官方定价页为准，本文不引用可能过期的价格。
试用期内该测什么
资料卡片整理
输入：搜索得到的十几篇资料。
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。
交付前确认：每张卡片都有来源。
延伸练习
内部文档入库
准备材料：一批 PDF、Word 和网页。
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。
带来源的快速调研
输入：一个需要事实支撑的问题。
请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。
检查点：关键结论都有可点击来源。
构建问答测试集
输入：一份产品手册。
根据手册编写 20 个用户可能问的问题及标准答案，标注答案所在章节，用来评估知识库检索效果。
验收标准：每个答案都能在手册中找到。
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：搜索结果过时
限定时间范围，或在提问中注明需要最新信息并核对发布日期。
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：引用溯源
回答附带原文出处，便于核对。
概念补充：重排序（Rerank）
对初步检索结果再次打分排序，提升相关性。
适合人群：软件工程师
软件工程师可以用 pgvector 处理代码阅读与重构、测试与排错等工作。需要注意：不要把密钥和未开源代码上传到未授权工具，合并前审阅每处改动。
适合人群：数据分析师
数据分析师可以用 pgvector 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。
使用提醒
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。
本文基于 pgvector 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。