在 VPS 上为 AI 代理记忆托管一个向量数据库

一个没有记忆的 AI 代理，被困在每次对话都要重新自我介绍。解法是一个向量数据库——它存储你文档、笔记或过往聊天的 embeddings，好让代理按需回忆起相关的片段（那就是 RAG 里的那个“R”）。你能把它作为一个托管服务来租，或者你能在一台 VPS 上自己跑它、把你的数据——常常是你的私有数据——留在一台你掌控的机器上。这是怎么做，以及它在 RAM 上实际花多少。

两个好选择

你不需要任何奇特的东西。两条路覆盖几乎所有人：

pgvector —— 一个 Postgres 扩展。如果你已经在跑 Postgres（或乐意跑），这给你已有的数据库加上向量搜索。一个服务、一份备份、你会的 SQL。远远是最省事的起点。

Qdrant —— 一个专建的向量引擎。当你有很多向量（一到几百万+）、或想要快速的元数据过滤和一个专用 API 时上它。它是一个要跑的单独服务，但它正是为这活而建。

对大多数刚站稳脚跟的代理，pgvector 是对的第一个答案。 长过它了再转 Qdrant，别提前。

RAM 的现实（这是人们低估的部分）

向量搜索快，因为索引住在内存里——所以 RAM，而不是磁盘，才是你真正的约束。一个粗略指引：

• 几十万个 embeddings —— 舒服地放进 2 GB。
• 一到几百万 —— 规划 4 GB+ 并调索引。
• 磁盘是简单的部分：一百万个 embeddings 只有几 GB，所以 25–45 GB 覆盖一个正经的库。

所以按索引配置，不是按文件。（跟通用配置指南是同一套逻辑——重的东西你不量就看不出来。）

快速上手：pgvector

在一台有 Postgres 的机器上（Docker 最简单——跟自托管 n8n 同一个套路）：

CREATE EXTENSION IF NOT EXISTS vector;

CREATE TABLE memory (
  id bigserial PRIMARY KEY,
  content text,
  embedding vector(1536)        -- 匹配你 embedding 模型的维度
);

-- 有了数据之后，建一个索引以加快搜索：
CREATE INDEX ON memory USING hnsw (embedding vector_cosine_ops);

你的代理插入 content + 它的 embedding，然后用 ORDER BY embedding <=> $query_embedding LIMIT 5 查询，拉出最近的记忆。那就是整个循环。

更想用 Qdrant？它是一个暴露 HTTP/gRPC API 的单个 Docker 容器；你用你的向量大小创建一个 collection、upsert 点。同样的想法、专用引擎。

它能跟代理共享一台机器吗？

能——对中小型记忆库，把向量数据库跑在跟代理同一台 VPS 上。 它更简单、延迟基本为零。只有当一个开始把另一个从 RAM 里挤出去时才拆到单独的服务器上。那是一个以后的、值得拥有的好问题的决定，不是第一天的。

诚实的注意事项

• RAM 是那堵墙，而且它很安静。 搜索一直快，直到索引不再装进内存，然后它退化。盯着内存、在它咬人之前扩容——别等慢查询来告诉你。
• 创建 embeddings 要花 token。 你 embed 的每份文档都是对一个 embedding 模型的一次 API 调用。库托管起来便宜；生成向量是那笔经常性成本——和跑一个代理实际花多少有关。
• 备份它。 你代理的记忆和别的数据一样是数据。如果它要紧，做快照。

在这之内，一个自托管的向量库是给代理持久记忆、又不把你私有数据交给第三方的干净办法。从一台 2 GB 机器上的 pgvector 起步、盯着 RAM，只有当数字让你升时，才长进 Qdrant 或一个更大的套餐。