PostgreSQL中DOT_PRODUCT函数未识别报错的解决求助

背景 #

在基于PostgreSQL+pgvector的RAG场景中，需要计算查询嵌入向量与数据库中存储的段落嵌入向量的点积，替换原查询中使用<=>（L2距离）的逻辑，但调用DOT_PRODUCT()函数时触发如下错误：

UndefinedFunction: function dot_product(vector, vector) does not exist
LINE 4: ORDER BY DOT_PRODUCT(embedding, embedding)

^

HINT: no function matches the given name and argument types. You might need to add explicit type casts.

原查询逻辑是通过<=>排序取最相似的topN，现在需要改为按点积排序（点积越大，向量相似度越高）。

解决思路与可执行方案 #

1. 使用pgvector官方支持的点积语法 #

pgvector并未提供DOT_PRODUCT()函数，正确的点积计算方式有两种：

• 操作符方式：使用<#>操作符计算点积，注意需要按降序排序（因为点积越大相似度越高，与<=>的升序逻辑相反）

  SELECT content, document, page, line, link
  FROM documents
  ORDER BY embedding <#> %(embedding)s DESC
  LIMIT %(n)s
  

• 函数方式：使用官方提供的vec_dot()函数，同样需要降序排序

  SELECT content, document, page, line, link
  FROM documents
  ORDER BY vec_dot(embedding, %(embedding)s) DESC
  LIMIT %(n)s
  

2. 修正向量参数的传递方式 #

原代码中将向量转换为字符串数组的方式容易引发类型问题，由于插入数据时已经调用了register_vector(conn)让psycopg支持向量类型，查询时可以直接传递numpy数组，无需手动转换：

# 移除字符串转换代码：embedding_pgarray = "[" + ",".join(map(str, embedding)) + "]"
# 直接传入model.encode生成的embedding向量
neighbors = conn.execute(query, {'embedding': embedding, 'n':n}).fetchall()

同时，查询连接时必须调用register_vector(conn)，否则psycopg无法正确识别向量类型：

conn = psycopg.connect(dbname='rag', user='rag', password='rag', autocommit=True)
conn.execute('CREATE EXTENSION IF NOT EXISTS vector')
register_vector(conn)  # 必须添加该行，开启psycopg的向量类型支持

3. 确保向量类型一致性 #

如果仍然存在类型不匹配问题，可以在SQL中显式指定向量维度，强制类型转换：

ORDER BY vec_dot(embedding::vector(384), %(embedding)s::vector(384)) DESC

注：这里的384对应all-MiniLM-L6-v2模型的输出向量维度，需与表定义中的embedding vector(384)一致。

4. 验证pgvector扩展状态 #

执行以下SQL确认扩展已正确安装：

SELECT * FROM pg_extension WHERE extname = 'vector';

如果无返回结果，需重新执行CREATE EXTENSION IF NOT EXISTS vector;，确保扩展安装成功。

修正后的完整代码片段 #

string = query

# 初始化嵌入模型
model = SentenceTransformer('all-MiniLM-L6-v2')
# 生成查询向量
embedding = model.encode(string)

# 建立数据库连接并启用向量支持
conn = psycopg.connect(dbname='rag', user='rag', password='rag', autocommit=True)
conn.execute('CREATE EXTENSION IF NOT EXISTS vector')
register_vector(conn)  # 关键：注册向量类型支持

# 修正后的查询语句（使用vec_dot函数）
query =  """ 
    SELECT content, document, page, line, link
    FROM documents
    ORDER BY vec_dot(embedding, %(embedding)s) DESC
    LIMIT %(n)s
"""

# 直接传入numpy向量，无需字符串转换
neighbors = conn.execute(query, {'embedding': embedding, 'n':n}).fetchall()

# 结果整理为DataFrame
df = pd.DataFrame(neighbors, columns=['Content', 'Document', 'Page', 'Line', 'Link'])
df['Content'] = df['Content'].str.strip()
df = df.reset_index(drop=True)
return df

内容的提问来源于stack exchange，提问作者Sean Last