База данных
Просмотр и правка таблиц слоя данных напрямую.
показано 1 из 1 строк (первые 500)
| id | nickname | password | roles | avatar_url | bio | locale | timezone | provider | email_verified | is_active | last_login_at | created_at | updated_at | ||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| nvX7A_5JjIy-VQjt74-Bb | petr.donatek@gmail.com | petr.donatek | $2b$10$TlOBNorjR8AF9qGg/Qn1y.9wB1McTNEUwv5Pl..v.evO7jDpKgw5e | ["user","architect","buyer","vip_user","subscriber_lite","subscriber_standard","subscriber_max","manager","senior_manager","support_manager","delivery_manager","finance","content_editor","admin"] | — | — | en | — | credentials | — | 1 | — | 2026-10-11 15:21:27 | 2026-10-11 15:21:27 |
База данных — точные факты в сравнении с векторной памятью
Что в ней лежит. Строки. Заказы, клиенты, настройки, цены — факты с формой, где каждое значение равно ровно себе и ничто не приблизительно.
Чем отличается от векторной памяти. База отвечает на вопросы, которые можно задать точно: какие заказы отправлены на прошлой неделе, сколько не оплачено, сколько потратил этот клиент. Векторная память отвечает на вопросы, которые формулируются лишь приблизительно, по смыслу. Одно — точность над фактами, другое — сходство над языком. Спросить у базы «что-нибудь про возвраты» — не получить ничего; спросить у векторной памяти «сумму мартовских счетов» — получить абзац, где упоминается март.
Сколько это стоит. Ничего за запрос, и модель в этом не участвует. Фильтрация, подсчёт и сортировка занимают миллисекунды и остаются точными, как бы таблица ни выросла.
В чём слаба. Она отвечает только на то, что записывается запросом. Она не найдёт отрывок, который звучит как ваш вопрос, и не имеет мнения о смысле.
Они работают вместе. Векторная запись умеет указывать назад на строку — её таблица и id едут вместе с ней. Поэтому поиск по смыслу над описаниями может закончиться на точной строке, а точная строка может нести текст, который сделал её находимой. Тот же файл SQLite, одна резервная копия, одна очистка.