工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的文章。有译文正文时显示译文。没有时显示英文，并注明这一点。
标签：HNSW
RAG中向量索引的五种方法：基于百万个维基百科嵌入的测试
在百万个维基百科嵌入数据上测试的RAG向量索引五种方法：扁平索引、IVFFlat、HNSW、BM25混合索引以及DiskANN，并附有延迟与召回率数据。
阅读约 9 分钟Azure AI Search中的向量搜索：HNSW、配置文件以及Python RAG检索器
使用 Python 在 Azure AI Search 中构建向量索引：HNSW 与全量 KNN 的对比、向量特征描述、嵌入模型、向量查询及 RAG 提示词，此外还有混合搜索的实用技巧。
阅读约 9 分钟向量数据库内部机制：IVF、树结构、HNSW与乘积量化
向量数据库内部：精确搜索与近似搜索、IVF聚类、树森林结构、HNSW层及其参数，以及产品量化会带来哪些成本。
阅读约 7 分钟通过分阶段分析找出Weaviate查询延迟的原因
Weaviate查询性能分析会为每个响应提供分阶段的耗时明细，从而能快速识别出是过滤操作、磁盘读取、图搜索还是重新评分导致了延迟。
阅读约 5 分钟我们放弃了向量数据库：pgvector成功支撑了4000万条向量的处理。
一次迁移故事：在包含4000万行的数据集中用pgvector替代付费向量存储，涉及回填方法、仪表板中隐藏的检索错误以及何时不应进行切换。
阅读约 5 分钟超越简单RAG：HNSW的内存成本、混合搜索与长上下文处理
为何内存向量索引在处理大规模数据时会遇到瓶颈，导致精确匹配检索失败，以及BM25混合模型、RRF和PostgreSQL如何适应长上下文场景。
阅读约 5 分钟向量数据库的工作原理：嵌入、向量搜索与人类记忆。
基于内存的向量搜索思维模型：在RAG的向量数据库中，嵌入、相似度、最近邻索引及元数据过滤器是如何工作的。
阅读约 9 分钟优化HNSW索引并扩展向量搜索以用于生产环境中的RAG系统
了解 HNSW 的 M 和 ef 参数如何权衡召回率、延迟和内存使用，学习如何在 Chroma 中设置这些参数，以及何时通过垂直扩展或分片的方式来扩展向量数据库。
阅读约 4 分钟向量数据库的运作原理：从嵌入模型到混合搜索
解释了嵌入如何编码含义、相似性搜索与索引的扩展方式，以及混合搜索和向量数据库何时真正适用于企业级人工智能系统。
阅读约 8 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
英文是来源。只有存在该语言的正文译文时才显示其他语言。缺失或空白的译文仍是英文，包括在本地化网址上。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。