向量搜索（Vector Search）

场景： EverDrive Smart Vision 将紧凑的视觉嵌入（vision embeddings）附加到高风险帧，以便调查团队直接在 Databend 内检索相似场景。

每帧都附带视觉嵌入，感知工程师可借此发现相似情况。本指南演示如何插入这些向量，并在同一 EverDrive ID 上执行语义搜索。

1. 创建示例表

为便于阅读，示例使用四维向量。生产环境中可保存 CLIP 或自监督模型输出的 512 维或 1536 维嵌入。

CREATE OR REPLACE TABLE frame_embeddings (
  frame_id      VARCHAR,
  session_id    VARCHAR,
  embedding     VECTOR(4),
  model_version VARCHAR,
  created_at    TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
  VECTOR INDEX idx_frame_embeddings(embedding) distance='cosine'
);

INSERT INTO frame_embeddings VALUES
  ('FRAME-0001', 'SES-20240801-SEA01', [0.18, 0.42, 0.07, 0.12]::VECTOR(4), 'clip-mini-v1', DEFAULT),
  ('FRAME-0002', 'SES-20240801-SEA01', [0.20, 0.38, 0.12, 0.18]::VECTOR(4), 'clip-mini-v1', DEFAULT),
  ('FRAME-0003', 'SES-20240802-SEA02', [0.62, 0.55, 0.58, 0.61]::VECTOR(4), 'night-fusion-v2', DEFAULT),
  ('FRAME-0004', 'SES-20240802-SEA02', [0.57, 0.49, 0.52, 0.55]::VECTOR(4), 'night-fusion-v2', DEFAULT);

文档：向量数据类型（Vector data type） 与 向量索引（Vector index）。

---

2. COSINE_DISTANCE 搜索

查找与 FRAME-0001 最相似的帧。

WITH query_embedding AS (
  SELECT embedding
  FROM frame_embeddings
  WHERE frame_id = 'FRAME-0001'
  LIMIT 1
)
SELECT e.frame_id,
       e.session_id,
       cosine_distance(e.embedding, q.embedding) AS distance
FROM frame_embeddings e
CROSS JOIN query_embedding q
ORDER BY distance
LIMIT 3;

余弦距离计算将利用先前创建的 HNSW 索引，优先返回最近邻帧。

---

3. WHERE 过滤 + 相似度

结合相似度搜索与传统谓词，缩小结果范围。

WITH query_embedding AS (
  SELECT embedding
  FROM frame_embeddings
  WHERE frame_id = 'FRAME-0003'
  LIMIT 1
)
SELECT e.frame_id,
       cosine_distance(e.embedding, q.embedding) AS distance
FROM frame_embeddings e
CROSS JOIN query_embedding q
WHERE e.session_id = 'SES-20240802-SEA02'
ORDER BY distance;

---

4. JOIN 语义 + 风险元数据

将语义结果与风险评分或检测载荷关联，丰富调查维度。

WITH query_embedding AS (
       SELECT embedding FROM frame_embeddings WHERE frame_id = 'FRAME-0001' LIMIT 1
     ),
     similar_frames AS (
     SELECT frame_id,
             cosine_distance(e.embedding, q.embedding) AS distance
       FROM frame_embeddings e
       CROSS JOIN query_embedding q
       ORDER BY distance
       LIMIT 5
     )
SELECT sf.frame_id,
       fe.event_type,
       fe.risk_score,
       sf.distance
FROM similar_frames sf
LEFT JOIN frame_events fe USING (frame_id)
ORDER BY sf.distance;

该混合视图呈现“外观类似 FRAME-0001 且触发高风险事件的帧”。