向量数据库选型:为 RAG 与推荐系统挑好记忆体
向量数据库专门存储高维嵌入并支持近似最近邻检索,是 RAG、语义搜索与推荐系统的底座。与传统关系库按行查询不同,它的核心是在海量向量中快速找到最相似的几个。
开源方案各有侧重:Milvus 面向大规模分布式场景,扩展性与性能强;pgvector 让 Postgres 直接具备向量能力,适合已用 PG、想少引入组件的团队;Qdrant、Weaviate 在易用性与过滤检索上表现突出;云服务则把运维托管出去,按量付费更轻量。
选型看三点:一是数据规模与增速,决定是否要分布式;二是是否要和结构化字段联合过滤,PG 系更顺手;三是运维成本与团队熟悉度。无论哪种,都要注意索引类型、维度一致性与备份策略。向量库不是银弹,配合好的嵌入模型与重排,才能撑起可靠的知识检索。 |