Timescale 在 GitHub 上开源了名为 pg_vectorsearch 的项目，将其定位为面向 PostgreSQL 的向量索引，并在项目标题中称其速度快于 pgvector 现有的 IVFFlat 与 HNSW 两种索引。该仓库目前未附带摘要说明，具体实现方式与基准数据需以仓库文档为准。
pgvector 是 PostgreSQL 生态中最常被采用的向量扩展，它让数据库可以直接存储向量并执行近邻检索，被广泛用于 RAG、语义搜索与推荐等场景。它提供的两种索引各有取舍：IVFFlat 通过聚类划分空间，构建速度快、资源占用相对可控，但查询速度与召回率依赖聚类数量和数据分布；HNSW 以图结构组织向量，通常查询更快、召回更高，代价是构建时间更长、内存开销更大。
正因如此，索引层的性能改进对向量负载意义明显。向量检索往往处在应用请求的关键路径上，其延迟与吞吐直接决定 RAG 与搜索类产品的响应质量，而召回率与资源开销又直接影响成本。如果 pg_vectorsearch 确实能在同等召回水平下取得更快的查询表现，使用 PostgreSQL 承载向量数据的团队就有机会在不引入独立AI 词典：向量数据库">向量数据库的前提下，改善检索性能并降低运维复杂度。
需要指出的是，标题中的"更快"属于项目方表述，仍需独立复现验证。索引性能高度依赖数据规模、向量维度、召回目标、过滤条件与硬件配置，单一结论不足以覆盖全部场景。对这类数据库组件，值得关注的点包括：与 pgvector 数据格式和 SQL 接口的兼容程度、索引构建与更新成本、内存占用，以及是否支持带过滤条件的查询。感兴趣的团队可直接查阅该 GitHub 仓库。