FastGPT | 21 - 向量库适配层设计 开篇问题上一篇我们拆到了训练链路的末端：chunk 阶段 - 生成 embedding - 写入 vectorDB - 写入 dataset_datas - 写入 dataset_data_texts这一篇继续往下看：FastGPT 是如何适配不同向量数据库的？FastGPT 支持的向量库不止一种：PostgreSQL + pgvector。Milvus / Zilliz。OceanBase。SeekDB。openGauss DataVec。这些数据库的连接方式、建表语法、索引语法、搜索语法、返回分数都不同。但在知识库业务层，FastGPT 希望只面对一组统一能力：初始化 插入向量 删除向量 向量召回 统计数量 按时间扫描这一篇就拆这层抽象。先给结论FastGPT 的向量库设计可以先记住三句话。第一，向量库只保存检索所需的最小字段：