ベクトルデータベースVector Database — 読み：べくたるでーたべーす
ベクトルデータベースは、埋め込みベクトルを保存し、「意味が近いもの」を高速に探すためのデータベースです。RAG を構築する際の検索の心臓部になります。
導入Introduction
ベクトルデータベースは、埋め込みベクトルを保存し、「意味が近いもの」を高速に探すためのデータベースです。RAG を構築する際の検索の心臓部になります。
用語の定義Definition
ベクトルデータベースとは、テキスト・画像・音声などのデータを数値の配列（ベクトル）に変換して保存・検索するデータベースです。本記事では、その仕組み、メリット、選び方の観点を解説します。
- 埋め込みベクトルを保存し、類似度検索（ANN）を高速に実行する
- メタデータ（文書名・日付・分類）と併せて管理する
- RAG の検索品質は、ここでの索引設計に大きく依存する
出典：my-best.ai 用語辞典「ベクトルデータベース」（https://my-best.ai/ai-dictionary/vector-database/）
仕組み・原理How it works
① チャンクをベクトル化して登録する
文書をチャンクに分割し、それぞれの埋め込みをデータベースに登録します。このとき文書名・見出し・日付などのメタデータも一緒に持たせます。
② 近似最近傍探索（ANN）で高速化する
全ベクトルとの距離を順に計算すると遅いため、近似最近傍（ANN）という手法で「ほぼ正しい上位候補」を高速に取り出します。索引構造（HNSW など）がこれを担います。
③ 検索結果を LLM に渡す
質問ベクトルに近い上位 K 件を取り出し、メタデータで絞り込んだうえでプロンプトに差し込みます。RAG の検索部分がこれで完成します。
原始出處Origin
大規模な類似検索の土台は、Facebook AI Research の FAISS（2017 年公開）などの近似最近傍探索ライブラリが整備したものです。その後、Milvus・Pinecone・Weaviate・Qdrant などの専用データベースが登場し、LLM の普及（2023 年〜）とともに「ベクトルデータベース」という区分が一般に定着しました。
応用シーンUse cases
RAG の検索基盤
社内文書・マニュアル検索の中核
重複・類似の検出
類似案件の発見、ナレッジの整理
推薦システム
ユーザー履歴に近いコンテンツの提示
画像・音声検索
マルチモーダル埋め込みとの組み合わせ
メリット・デメリットPros & Cons
メリット
- 数百万件規模でも意味検索がミリ秒〜数百ミリ秒で返る
- メタデータ検索と組み合わせた柔軟な絞り込みができる
- 文書の追加・更新が柔軟（モデルの再学習は不要）
- オープンソースからマネージドまで選択肢が豊富
デメリット・注意点
- チャンク設計・メタデータ設計に手間がかかる
- 埋め込みモデルの変更で全データの再登録が必要
- 運用にはデータの版管理と重複排除が要る
- 「なぜヒットしたか」の説明が難しい（可視化の工夫が要る）
よくある誤解Misconceptions
関連用語Related terms
用語同士は相互リンクされています。未掲載の用語は用語一覧の該当項目へリンクします。
プロンプト集Prompt collection
実務でそのまま使えるプロンプト例です。コピーして〔 〕内を置き換えてください。同じカードはプロンプト集にも掲載されています。
チャンク設計の方針を立てる
検索精度の土台作り
「（対象文書の種類）」をベクトルデータベースに登録する際のチャンク設計方針を作成してください。 項目：分割の単位／目安サイズ／見出しの保持方法／表の扱い／メタデータ項目一覧。表形式で出力してください。
メタデータ設計を作る
絞り込みと出典表示の基盤
「（タスク）」のベクトル検索に必要なメタデータ項目を設計してください。 必須：文書名／見出し／更新日／版／アクセス権。各項目に「使う目的」を 1 行で添えてください。
検索精度の評価計画を作る
本番前の検証手順
ベクトル検索の精度を評価する計画を作成してください。 含めるもの：正解ペア（質問→正解チャンク）の作り方／指標（Recall@K、上位 3 件正解率）／評価件数の目安／合格基準。
ハイブリッド検索の設計を相談する
キーワード＋ベクトルの併用
「（タスク）」でキーワード検索とベクトル検索を併用する設計を提案してください。 観点：併用の条件／重み付けの考え方／どちらを優先すべきケースの例。
重複・古い文書の棚卸し指示を作る
データ衛生の運用
登録済み文書の棚卸し手順を作成してください。手順：重複検出の方法／版の確認ルール／削除の承認フロー／削除後の再索引化。チェックリスト形式で。
FAQ（よくある質問）FAQ
専用サービスとオープンソース、どちらを選ぶべきですか？
保存できるデータ量に上限はありますか？
データを更新するには？
なぜヒットしたか分からなくなりませんか？
出典・参考文献References
定義・出典の記述は一次資料に基づきます。リンク先の内容は公開時点のものです。
まとめSummary
ベクトルデータベースは RAG の検索を支える基盤です。精度を決めるのはチャンク設計・メタデータ・評価の 3 点セットであり、導入前に小規模な検証を必ず行います。
- 正解ペアでの検証を本番前に済ませる
- メタデータ（文書名・版・更新日）を最初から設計する
- キーワード検索とのハイブリッドを前提に設計する