使用自定义Schema和表基于pgvector/Postgres实现RAG时，出现Vector类型不存在错误及程序端搜索失败问题

嘿，我之前用Spring AI+pgvector做自定义schema的RAG时，完完全全踩过和你一样的坑！先给你捋捋问题根源和能快速解决的办法：

首先你说的两个核心问题——手动跑SQL一切正常，但程序调用就报错，还有Vector类型不存在的提示，大概率是这几个细节没处理到位：

一、Vector类型找不到的核心原因（对应BadSqlGrammarException） #

当你用了自定义Schema后，Spring AI的默认集成很可能没正确找到pgvector的类型定义：

• pgvector的vector类型默认是装在public schema下的，但你把业务表建在了自己的自定义schema里，如果程序连接数据库时没让Postgres同时搜索public和你的自定义schema，数据库就会找不到vector类型。
• 快速解决的三个方向：
  1. 建表时显式指定类型的schema：把vector(1536)改成public.vector(1536)（1536换成你实际的向量维度）
  2. 数据库连接URL加参数：在URL末尾加?currentSchema=你的自定义schema名,public，让Postgres自动搜这两个schema的类型
  3. 给数据库用户设置默认搜索路径：执行SQL ALTER USER 你的数据库用户名 SET search_path TO 你的自定义schema名, public;

二、程序端搜索失败但手动SQL正常的问题 #

这个基本是Spring AI的默认查询模板没适配你的自定义表结构导致的：

• Spring AI的pgvector starter默认用的是它预设的表结构（比如默认表名document，字段content、embedding），如果你改了表名、字段名或者用了自定义schema，它自动生成的SQL肯定和你手动跑的不一样，自然查不到结果。
• 解决办法：
  1. 自定义PgVectorStore的Bean配置，把你的schema、表名、字段名都指定清楚：

     @Bean
     public PgVectorStore pgVectorStore(DataSource dataSource, EmbeddingModel embeddingModel) {
         return PgVectorStore.builder()
             .dataSource(dataSource)
             .embeddingModel(embeddingModel)
             .schemaName("你的自定义schema名")
             .tableName("你的业务表名")
             .vectorColumnName("你的向量字段名")
             .contentColumnName("你的文本内容字段名")
             .build();
     }
     

  2. 要是嫌配置麻烦，也可以直接自定义查询语句，用PgVectorStore的withQuery方法写和你手动跑的完全一样的SQL
  3. 另外别忘了检查数据库用户权限：确保程序用的用户有自定义schema的读写权限，有时候权限不够也会伪装成“搜索失败”的问题

额外排查小技巧 #

• 开Spring JDBC的SQL日志，看看程序实际生成的SQL是什么，和你手动跑的对比，差异一眼就能看出来（比如少了schema前缀、字段名不对）
• 确认pgvector扩展装对了：在数据库里跑SELECT * FROM pg_extension WHERE extname='vector';，没结果就是扩展没装成功
• 检查连接的搜索路径：在程序里跑SHOW search_path;，看看是不是同时包含public和你的自定义schema

备注：内容来源于stack exchange，提问作者saran3h