本文档概述了 TiDB 向量搜索的集成方式，包括支持的 AI 框架、嵌入模型和对象关系映射（ORM）库。
TiDB 官方支持以下 AI 框架，帮助你轻松将基于这些框架开发的 AI 应用与 TiDB 向量搜索集成。
| AI 框架 | 教程 |
|---|---|
| LangChain | 与 LangChain 集成向量搜索 |
| LlamaIndex | 与 LlamaIndex 集成向量搜索 |
你还可以将 TiDB 用于 AI 应用的文档存储、知识图谱存储等多种场景。
TiDB 向量搜索支持存储最多 16383 维的向量，能够满足大多数嵌入模型的需求。
你可以使用自部署的开源嵌入模型，或第三方嵌入 API 生成向量。
下表列出了一些主流嵌入服务提供商及其对应的集成教程。
| 嵌入服务提供商 | 教程 |
|---|---|
| Jina AI | 与 Jina AI Embeddings API 集成向量搜索 |
你可以将 TiDB 向量搜索与 ORM 库集成，以便与 TiDB 数据库进行交互。
下表列出了支持的 ORM 库及其对应的集成教程：
| 语言 | ORM/客户端 | 安装说明 | 教程 |
|---|---|---|---|
| Python | TiDB Vector Client | pip install tidb-vector[client] | 使用 Python 开始向量搜索 |
| Python | SQLAlchemy | pip install tidb-vector | 集成 TiDB 向量搜索与 SQLAlchemy |
| Python | peewee | pip install tidb-vector | 集成 TiDB 向量搜索与 peewee |
| Python | Django | pip install django-tidb[vector] | 将 TiDB 向量搜索集成到 Django ORM |