阶段3（下）：RAG、向量数据库专题；接入 BOSS直聘调研（research/、岗位对照和延伸技术栈）；新增 cs 领域和 12 个技术栈骨架；面试题全部补齐追问并加入校验

topics/ai/vector-db/index.md

@@ -4,12 +4,42 @@ title: 向量数据库
 type: index
 domain: ai
 stack: [vector-db]
-tags: []
+tags: [向量数据库, HNSW, pgvector, Chroma, Milvus]
 week: [5, 6]
 ---
 
 # 向量数据库
 
-近似最近邻索引、距离度量、Chroma / Milvus / pgvector 选型。
+RAG 的检索基础设施。重点是讲清楚**距离度量、近似索引的召回和延迟取舍、带过滤的检索、选型理由**，而不是背某个产品的 API。项目里使用 pgvector（复用第 3~4 周学的 PostgreSQL）。
 
-> 本专题建设中：课程、企业场景、面试题和示例代码会陆续补充。
+## 学习路线
+
+| 顺序 | 课程 | 级别 | 预计 |
+| --- | --- | --- | --- |
+| 1 | [向量检索原理：距离度量、暴力检索、HNSW / IVF 近似索引](01-ann-metrics.md) | 基础 | 2.5 小时 |
+| 2 | [向量库选型和 pgvector 实战：Chroma / pgvector / Milvus / Elasticsearch](02-selection-pgvector.md) | 进阶 | 3 小时 |
+
+## 企业场景
+
+- [多租户知识库的向量索引：隔离、过滤召回和增量更新](scenarios/multi-tenant-index.md)
+
+## 面试题
+
+- [向量数据库面试题](interview.md)
+
+## 示例代码
+
+- [examples/vector-stores](examples/vector-stores/)：`chroma_demo.py`（内存模式，自带向量，元数据过滤、更新删除，和暴力检索对比召回率）；`pgvector_demo.py`（HNSW 索引、过滤查询、执行计划，需要 `TEST_DATABASE_URL` 和 pgvector 扩展，否则跳过）
+
+## 在 16 周计划中
+
+- [第 5 周：RAG（一）](../../../plan/week05-rag-1.md)、[第 6 周：RAG（二）](../../../plan/week06-rag-2.md)
+
+## 官方资料
+
+产品更新很快，接口和参数以官方文档为准：
+
+- pgvector：https://github.com/pgvector/pgvector
+- Chroma：https://docs.trychroma.com/
+- Milvus：https://milvus.io/docs
+- Elasticsearch 向量检索：https://www.elastic.co/docs/solutions/search/vector