向量数据库选型对比 — 为 RAG 挑一条顺手的检索底座

托管型向量数据库老牌玩家，提供 Serverless 版本与命名空间隔离，适合生产级 RAG 快速上线。定价按存储与查询计费，规模上去后建议评估 Qdrant / Milvus 等替代。

开源向量数据库，内置模块化的嵌入与混合检索，支持 Cloud 与自部署，适合需要 BM25 + 向量混合检索的业务。运维成本略高，建议搭配自己的监控栈。

Rust 编写的开源向量数据库，提供本地、云与企业版本，支持 payload 过滤、混合搜索与量化压缩，适合对内存占用与吞吐敏感的生产环境。

开发者友好的开源向量数据库，几行 Python 即可本地跑起来，适合原型、笔记本实验与小规模 RAG。线上大规模时建议切换到更偏运维的方案。

Milvus 是 LF AI & Data 托管的开源向量数据库，面向亿级以上规模；Zilliz 提供其托管云版本。适合大数据量 RAG、向量搜索与图片/视频 Embedding 检索。

基于 Lance 列式格式的嵌入式向量数据库，与 pandas / PyArrow 无缝协作，可直接放到对象存储，适合数据科学笔记本与离线评测流水线。

基于对象存储的 Serverless 向量数据库，主打低成本 + 过滤查询，适合预算敏感的团队做大批量文档 RAG。写入与查询延迟特性请在你自己的数据集上实测。

提供嵌入、重排序与 Reader 等面向 RAG 的基础设施，开源组件丰富，适合自建搜索与问答流水线。企业部署需评估延迟与缓存策略。