要点
Aurabase：本机 pgvector（3 维类 768/1536/3072），通过 ragIngest()/rag()集成的 RAG，最重要的是通过语法树验证的本机 NL2SQL 端点。 Convex 和 Nhost 都提供可靠的向量搜索 - 但两者都没有表现出严格意义上的原生 NL2SQL：将自然语言问题转换为经过验证的、有界的 SQL 查询，以只读方式执行。
竞争对手均未涵盖的差异化优势
Aurabase NL2SQL 端点通过语法树（板条箱 sqlparser）验证 LLM 生成的每个查询：仅 SELECT、授权函数列表、默认情况下有界的 LIMIT 以及显式拒绝客户端试图篡改的架构字段。这不是在后端顶部组装的连接器 - 这已在 aura-ai代码中得到验证。
Convex 没有类似的东西——它的数据库不是 SQL，问题也不是用同样的术语提出的。 Nhost 提供可以访问 GraphQL 架构的 AI 助手，但不提供通过记录的安全合同向最终用户公开的 NL2SQL 端点。请参阅我们的 NL2SQL 的完整定义以及关于 防止由 LLM生成的 SQL 注入的文章。
原生 pgvector，无需单独的向量库即可操作
Aurabase 将 pgvector 直接嵌入到其 Postgres 16 租户映像中，并使用本机 RAG 管道（摄取、分块、嵌入、每个维度类的 HNSW 索引）通过两个 API 调用 ragIngest() 和 rag()公开。请参阅我们完整的 RAG 管道教程。
Convex 提供强大的嵌入式矢量搜索，具有可重复使用的 RAG 和代理组件以及可配置的 OpenAI 嵌入支持。 Nhost 自动生成并维护用于语义搜索的向量嵌入。所有三个平台都涵盖了这一领域——区别在于矢量搜索之后的结果，而不是搜索本身。
三个本机客户端，而不是通用路由器
Aurabase 原生集成了 OpenAI、Anthropic 和 Gemini，每个都在 aura-ai中拥有专用客户端，并在提供商发生故障时自动进行断路器故障转移。请参阅我们关于 本机提供程序与 OpenAI 兼容端点 的文章，了解这种区别的具体细节。
三种人工智能方法有何区别
| 原生 NL2SQL | 是 - 通过语法树验证 | 否（凸、Nhost） |
|---|---|---|
| 矢量搜索 | 原生 pgvector，每个维度的 HNSW | 是的，两者都很扎实 |
| RAG | 本机，2 个 API 调用 | 可重复使用的组件（凸面） |
| 数据库 | PostgreSQL 16 标准 | 非 SQL（凸）/Postgres+Hasura (Nhost) |
| 本土法学硕士提供者 | 3（OpenAI、Anthropic、Gemini） | 无证等效 |
Convex 和 Nhost 真正投资于各自的人工智能能力——他们的矢量搜索已经成熟并有记录。直到今天，本机 NL2SQL 仍然没有严格意义上的涵盖两者。