一句话看懂：一篇发布于掘金的技术文章，系统对比了 PostgreSQL 与 MySQL 在 AI Agent 项目中的选型差异，核心结论是：新项目可直接用 PostgreSQL 搭配 pgvector 插件，把”文档块存储 + 向量相似度检索”合并到一个数据库里，替代过去 mysql + milvus 的双库方案。
事件核心：发生了什么
这篇由作者”snow来了”于 2026 年 9 月 30 日发布、阅读时长约 6 分钟的文章，从安装、架构、SQL 语法三个层面比较了两款关系型数据库。安装层面，两者路径几乎一致：MySQL 需要服务端 + Workbench + Node.js 的 mysql2 包，PostgreSQL 对应的是 psql + pgAdmin 4 + pg 包。
真正的分水岭在 AI 场景。文章指出，PostgreSQL 内置 pgvector 插件，可直接对问题向量和文档向量做相似度检索，一次查询就能拿到对应文本块并拼进 prompt；MySQL 虽然能存向量，却缺少相似度检索能力，企业通常要用 milvus 补位，形成 mysql 存文档、milvus 存向量的双库结构，检索时先取 id 再回表查文本。文章还提醒一个关键约束：问题向量和文档向量必须由同一个嵌入模型生成，否则维度与语义空间不一致，无法比较。
为什么重要
这不是一次产品发布，而是一次开发范式的取舍提醒。RAG 类 AI 应用的常见瓶颈，往往不在大模型本身，而在检索链路的复杂度。双库方案意味着两套连接、两次查询、数据一致性维护成本，以及 milvus 被塞入大量文档块后检索质量被拉低的风险。PostgreSQL 方案把存储与检索收敛到一处，降低的是工程复杂度，而不是模型能力。
对中小团队尤其关键：少维护一个向量数据库，意味着部署、备份、监控和人力都更轻。这也解释了为什么近两年 PostgreSQL 在 AI 应用后端的热度持续上升。
对用户/开发者/创作者的影响
如果你在做新项目且没有存量 MySQL 包袱，直接上 PostgreSQL + pgvector 是更短的一条路，Node.js 侧用 pg 驱动、NestJS 侧用 TypeORM 都能快速接入。若已有 MySQL 且数据量不大，继续用 mysql + milvus 并非错误，只是链路更长。文章同时提到 pgvector 支持多种距离算法，不限于余弦相似度，选型时值得确认具体索引与距离参数。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 pgvector 在更大数据量下的检索性能边界，文章未给出基准数据；二是存量 MySQL 项目迁移到 PostgreSQL 的实际成本，尤其是 SQL 方言差异（自增主键、日期函数、JSON、DDL 事务等）；三是 milvus 是否会在文档块存储能力上继续补强，从而改变当前的分工格局。
来源：juejin
