主流的数据模型 —— 从 JSON、XML、时序、空间，到图数据、区块链，再到如今最火的向量数据与 AI。
利用 Oracle APEX，可以更简单、高效地展示数据库的多模能力。本文将通过一个 简明示例，演示如何使用 APEX 程序 直观地体验向量近似检索（Approximate Nearest Neighbor, ANN） 的能力，从而让多模数据的操作与查询可视化、易上手。
APEX实现功能：文本内容的近似最近邻检索（ANN） 功能。
1.库内Embedding模型准备
2.APEX简明示例
3.其他细节信息参考
1.库内Embedding模型准备
我们知道，Oracle 23ai数据库原生支持向量数据类型的存储，可以支持直接在任意数据库表对象上增加一个或多个vector数据类型的列，专门用于存储向量数据格式。
具体如何存储向量化的数据呢？
首先我们需要一个Embedding模型，可以对指定的内容向量化，然后将向量化后的结果直接存储到vector数据类型的字段中；
如果还没有Embedding模型可用，不必折腾，Oracle本身支持库内加载onnx模型，具体可以参考之前文章《曾经风光无限的 Oracle DBA 已经落伍了吗？》中提到过的方法，唯一需要注意，当时是直接使用了官方文档介绍的all_MiniLM_L12_v2.onnx模型，这里笔者实际测试发现其对中文的匹配效果并不理想，所以换用另一个Embedding模型bge-base-zh-v1.5.onnx，为了方便大家动手操作，这里贴出导入此模型的关键步骤：
--删除模型（可选）
exec DBMS_VECTOR.DROP_ONNX_MODEL(model_name => 'BGE_BASE', force => true);
--加载导入模型：
BEGIN
DBMS_VECTOR.LOAD_ONNX_MODEL(
directory => 'DM_DUMP',
file_name => 'bge-base-zh-v1.5.onnx',
model_name => 'BGE_BASE',
metadata => JSON('{"function" : "embedding", "embeddingOutput" : "embedding", "input": {"input": ["DATA"]}}'));
END;
/
--查询导入的EMBEDDING模型：
select model_name, algorithm, mining_function from user_mining_models where model_name='BGE_BASE';
--测试EMBEDDING模型可用，可以正常返回向量化结果
SELECT VECTOR_EMBEDDING(BGE_BASE USING 'Hi, Alfred' as DATA) AS embedding;
2.APEX简明示例
随便找一张表，对其中任意一个想做近似检索的文本列字段，针对该表增加一个向量列。然后使用上一步配置好的库内Embedding模型进行向量化处理。
我这里就以之前的Demo为基础，针对t_history表中 content列的内容进行向量化，结果存储到表中列v中，数据类型是vector。
关键步骤：
--1.向量字段存储向量化后的内容，只是测试下模型可用
UPDATE t_history
SET v = VECTOR_EMBEDDING(BGE_BASE USING content AS DATA)
where username = 'test';
--2.分批处理更新，向量字段存储向量化后的内容，可配置到APEX页面中前台调用
DECLARE
CURSOR c_history IS
SELECT rowid AS rid, content
FROM t_history
WHERE content is not null
and (v IS NULL or v_needs_update=1); -- 只处理未向量化和需要更新向量化的行
BEGIN
FOR r IN c_history LOOP
UPDATE t_history
SET v = VECTOR_EMBEDDING(BGE_BASE USING r.content AS DATA)
WHERE rowid = r.rid;
END LOOP;
COMMIT;
END;
/
--3.APEX可以通过报表直观展现近似检索功能
SELECT type, week, day, history_date, content
FROM t_history
where username = :APP_USER
ORDER BY VECTOR_DISTANCE(v, VECTOR_EMBEDDING(BGE_BASE USING :P7_SEARCH_TEXT AS DATA))
FETCH APPROX FIRST 5 ROWS ONLY;
APEX近似检索效果：
这里首先我在表中的content列中，初始化了一些测试数据，比如针对爱情、开发等主题，模拟用户日常操作，录入一些与主题相关的内容，不知道该具体输入啥内容的同学，可以直接让LLM帮你生成哈。
然后，我们到APEX页面上进行检索测试。
输入爱情，点击搜索，就可以从该用户历史记录过的所有内容中，检索到它认为向量近似的前5个结果列出来，可以看到结果都与爱情相关，但未必都包含爱情关键字，比如第5条结果描述的单恋场景：
同样，如果输入开发，点击搜索，结果就是这样，很多结果并没有开发关键字，但表述其实都跟软件开发这个主题密不可分：
这也是向量近似检索的魅力所在，历史传统数据库无论是进行精确或模糊搜索，都只能基于关键字匹配，但如今，向量的近似检索使其可以直接依据语义进行搜索。
3.其他细节信息参考
前面已经展示了实际效果，达成了目标，本节主要补充一些信息，方便读者更好地理解实现细节。
我这里在对t_history表处理的过程中，针对向量列的判断里，有写到(v IS NULL or v_needs_update=1); -- 只处理未向量化和需要更新向量化的行，还特别注释说明了下，这是因为最初我只处理了未向量化的内容，但是我实际在录入文本内容时，存在更新原内容的需求。而原内容因为已经做过向量化，向量部分不会更新，所以搜索会遇到问题，因此需要fix这个更新场景的bug，增加一列，并加入到对应的逻辑判断中：
--fix更新bug
ALTER TABLE t_history ADD v_needs_update NUMBER(1) DEFAULT 0;
这样，当发现有录入或更新内容，都可以做到能提示最终用户，需要处理新内容。
比如用户想近似检索人工智能相关的内容，下面红色数字就表示，表中数据存在更新内容，但还未向量化的情况，检索结果可能存在不准确的情况，这个例子就是如此，除了第一条记录，其他和人工智能其实关系并不大：
此时，用户可以手工点击向量化，将最新更新的一些内容向量化，再次检索，发现除了第一条结果，其他已经不一样了，说明新的内容（这里可以通过History Date列快速识别）确实存在一些比历史数据更匹配人工智能主题的结果：
也许看到这里，有读者会有疑问，为何不直接设计，在更新内容时直接就向量化呢？
嗯，其实也不是不可以，看应用要求，只是我这里这样设计更符合演示要求而已。同时也为了能让大家直观看到，近似检索，实际上检索结果就是distance的排名，如果要求展示的记录数，本身数据集中就没有足够数量匹配的，也会检索出来一些不太相干的内容。
此外，如果数据量较大，基于性能考量，建议创建HNSW（Hierarchical Navigable Small World）类型的向量索引，同时注意Top-K两种写法差异：
--4.创建HNSW索引
create vector index t_history_hnsw_idx on t_history(v)
organization inmemory neighbor graph
distance COSINE
with target accuracy 95;
--精确 Top-K
SELECT type, week, day, history_date, content
FROM t_history
ORDER BY VECTOR_DISTANCE(v, VECTOR_EMBEDDING(BGE_BASE USING '爱情' AS DATA))
FETCH FIRST 5 ROWS ONLY;
--近似 Top-K，增加了APPROX关键字：
SELECT type, week, day, history_date, content
FROM t_history
ORDER BY VECTOR_DISTANCE(v, VECTOR_EMBEDDING(BGE_BASE USING '爱情' AS DATA))
FETCH APPROX FIRST 5 ROWS ONLY;
