docs(development): add vector database support and update related documentation

- Add new documentation for vector database integration
- Update embedding model and language model documentation with consistent plugin registration instructions
- Provide detailed guide on integrating Milvus as an example vector database

Author: dingyi222666

docs/development/connect-to-core-services/embedding-model.md

@@ -4,7 +4,7 @@ ChatLuna 也提供 API，来接入其他的嵌入模型。
 
 ## 注册插件
 
-所有需要接入功能到 ChatLuna 的插件，都需要新建 `ChatLunaPlugin` 实例，并注册到 `ChatLuna` 服务中。
+所有需要接入功能到 ChatLuna 的插件，都得新建 `ChatLunaPlugin` 实例，并注册到 `ChatLuna` 服务中。
 
 ```typescript
 import { ChatLunaPlugin } from 'koishi-plugin-chatluna/services/chat'

docs/development/connect-to-core-services/language-model.md

@@ -4,7 +4,7 @@ ChatLuna 也提供 API，来接入其他的模型适配器。
 
 ## 注册插件
 
-所有需要接入功能到 ChatLuna 的插件，都需要新建 `ChatLunaPlugin` 实例，并注册到 `ChatLuna` 服务中。
+所有需要接入功能到 ChatLuna 的插件，都得新建 `ChatLunaPlugin` 实例，并注册到 `ChatLuna` 服务中。
 
 ```typescript
 import { ChatLunaPlugin } from 'koishi-plugin-chatluna/services/chat'

docs/development/connect-to-core-services/vector-database.md

@@ -0,0 +1,205 @@
+# 向量数据库
+
+同样的，ChatLuna 也支持接入向量数据库。
+
+## 注册插件
+
+所有需要接入功能到 ChatLuna 的插件，都得新建 `ChatLunaPlugin` 实例，并注册到 `ChatLuna` 服务中。
+
+```typescript
+import { ChatLunaPlugin } from 'koishi-plugin-chatluna/services/chat'
+import { Context, Schema } from 'koishi'
+
+export function apply(ctx: Context, config: Config) {
+    const plugin = new ChatLunaPlugin(ctx, config, 'your-plugin-name')
+
+    ctx.on('ready', async () => {
+        // 在 ready 事件中注册到 ChatLuna 服务
+        plugin.registerToService()
+
+        // 继续...
+    })
+}
+```
+
+## 配置 Schema
+
+如果你的向量数据库需要连接 URL 等参数，则需要自行声明 Schema。
+
+```typescript
+import { ChatLunaPlugin } from 'koishi-plugin-chatluna/services/chat'
+import { Context, Schema } from 'koishi'
+
+export interface Config extends ChatLunaPlugin.Config {
+    milvusUrl: string
+    milvusUsername: string
+    milvusPassword: string
+}
+
+export const Config: Schema<Config> = Schema.intersect([
+    Schema.object({
+        milvusUrl: Schema.string()
+            .role('url')
+            .default('http://127.0.0.1:19530'),
+        milvusUsername: Schema.string().default(''),
+        milvusPassword: Schema.string().role('secret').default('')
+    })
+]) as any
+```
+
+例如上面的 Schema 中，就声明了 Milvus 的连接 URL、用户名和密码。
+
+## 注册向量数据库
+
+注册向量数据库非常简单，只需调用 `ChatLunaPlugin` 实例的 `registerVectorStore` 方法即可。
+
+以 Milvus 为例，代码如下：
+
+```typescript
+const MilvusClass = await importMilvus()
+
+plugin.registerVectorStore('milvus', async (params) => {
+    const embeddings = params.embeddings
+
+    const vectorStore = new MilvusClass(embeddings, {
+        collectionName: 'chatluna_collection',
+        partitionName: params.key ?? 'chatluna',
+        url: config.milvusUrl,
+        username: config.milvusUsername,
+        password: config.milvusPassword,
+        textFieldMaxLength: 3000
+    })
+
+    const testVector = await embeddings.embedDocuments(['test'])
+
+    try {
+        await vectorStore.ensureCollection(testVector, [
+            {
+                pageContent: 'test',
+                metadata: {}
+            }
+        ])
+
+        await vectorStore.ensurePartition()
+
+        await vectorStore.similaritySearchVectorWithScore(testVector[0], 10)
+    } catch (e) {
+        try {
+            await vectorStore.client.releasePartitions({
+                collection_name: 'chatluna_collection',
+                partition_names: [params.key ?? 'chatluna']
+            })
+
+            await vectorStore.client.releaseCollection({
+                collection_name: 'chatluna_collection'
+            })
+
+            await vectorStore.client.dropPartition({
+                collection_name: 'chatluna_collection',
+                partition_name: params.key ?? 'chatluna'
+            })
+
+            await vectorStore.client.dropCollection({
+                collection_name: 'chatluna_collection'
+            })
+
+            await vectorStore.ensureCollection(testVector, [
+                {
+                    pageContent: 'test',
+                    metadata: {}
+                }
+            ])
+
+            await vectorStore.ensurePartition()
+        } catch (e) {
+            logger.error(e)
+        }
+        logger.error(e)
+    }
+
+    const wrapperStore = new ChatLunaSaveableVectorStore<Milvus>(
+        vectorStore,
+        {
+            async deletableFunction(store, options) {
+                if (options.deleteAll) {
+                    await vectorStore.client.releasePartitions({
+                        collection_name: 'chatluna_collection',
+                        partition_names: [params.key ?? 'chatluna']
+                    })
+
+                    await vectorStore.client.releaseCollection({
+                        collection_name: 'chatluna_collection'
+                    })
+
+                    await vectorStore.client.dropPartition({
+                        collection_name: 'chatluna_collection',
+                        partition_name: params.key ?? 'chatluna'
+                    })
+
+                    await vectorStore.client.dropCollection({
+                        collection_name: 'chatluna_collection'
+                    })
+
+                    return
+                }
+
+                const ids: string[] = []
+                if (options.ids) {
+                    ids.push(...options.ids)
+                }
+
+                if (options.documents) {
+                    const documentIds = options.documents
+                        ?.map((document) => {
+                            return document.metadata?.raw_id as
+                                | string
+                                | undefined
+                        })
+                        .filter((id): id is string => id != null)
+
+                    ids.push(...documentIds)
+                }
+
+                if (ids.length < 1) {
+                    return
+                }
+
+                await store.delete({
+                    ids
+                })
+            },
+            async addDocumentsFunction(store, documents, options) {
+                let ids = options?.ids ?? []
+
+                ids = documents.map((document, i) => {
+                    const id = ids[i] ?? crypto.randomUUID()
+
+                    document.metadata = {
+                            ...document.metadata,
+                        raw_id: id
+                    }
+
+                    return id
+                })
+
+                await store.addDocuments(documents, {
+                    ids
+                })
+            }
+        }
+    )
+
+    return wrapperStore
+})
+```
+
+在实现时需要注意以下几点：
+
+1. registerVectorStore 方法的第一个参数是向量数据库的名称，ChatLuna 会根据这个名称来调用对应的向量数据库。
+2. `params` 参数中，`embeddings` 是 Embeddings 实例，`key` 是数据库实例的唯一标识，可以用于区分不同的数据库实例。
+3. 返回值是一个 `ChatLunaSaveableVectorStore` 实例，ChatLuna 会根据这个实例来保存和读取数据。
+4. 需要自行实现 `ChatLunaSaveableVectorStore` 的 `deletableFunction` 和 `addDocumentsFunction` 方法，用于支持向量数据库的保存和删除功能。
+
+## 资源参考
+
+请参考 ChatLuna 官方的向量数据库服务插件 [chatluna-vector-store](https://github.com/ChatLunaLab/chatluna/blob/v1-dev/packages/vector-store-service)。