KD 树（KD-Tree）深度实战：从多维空间划分的第一性原理、交替轴 median 切分与回溯剪枝，到向量检索 KNN、射线追踪与维度灾难的工程全解
> 当你需要在百万个点里找到离某个查询最近的那一个时，"遍历一遍"会变成百万次距离计算；而 KD 树把这件事压到了接近 O(log n)。但它在高维空间会悄悄退化成暴力扫描——这篇文章从第一性原理讲清它为什么有效、为什么失效，以及工程上如何与 HNSW/IVF/LSH 协同。
ANN
向量数据库索引工程深度实战：HNSW 图索引与乘积量化在十亿规模下的内存布局、近似率与检索延迟权衡
从工程视角拆解 HNSW 图索引的内存局部性、Product Quantization 压缩后的距离失真，以及二者在十亿向量规模下的协同优化路径。涵盖图修剪策略、PQ 失真分析、磁盘索引分层架构和选型决策树。
向量数据库内核工程：从 IVF-PQ 到 HNSW 再到 DiskANN 的近似最近邻检索实战
沿「为何近似→如何压缩→三类索引构造与查询→生产落地」链路拆解向量检索内核：IVF-PQ 倒排+乘积量化、HNSW 分层可导航小世界图、DiskANN SSD 上的 Vamana 图，含 Faiss/hnswlib 端到端代码与召回-延迟权衡矩阵
向量数据库核心技术深度解析：HNSW索引、PQ量化与分布式架构实战
全方位解析向量数据库的核心技术栈：从Embedding向量化原理到HNSW/PQ/IVF索引算法，从Milvus/Qdrant/Weaviate架构对比到分布式部署实践，深入讲解ANN近似最近邻搜索的工程实现与性能调优。
近似最近邻向量索引深度工程：从HNSW到DiskANN的全链路实现
深入解析近似最近邻(ANN)向量索引核心原理：从HNSW可导航小世界图到IVF-PQ乘积量化，再到面向超大规模磁盘存储的DiskANN方案。包含完整Python实现代码、生产级调优参数、选型决策树与前沿趋势分析。
向量数据库引擎深度工程实践：从 HNSW 索引到 Milvus 分布式架构设计
深入剖析向量数据库核心检索算法（HNSW、IVF-PQ、DiskANN）的工程权衡，并以 Milvus 2.4+ 为案例完整拆解存储计算分离架构、Segment 机制、混合搜索与生产调优策略。
向量数据库实战：从 HNSW 算法到生产级分布式架构设计
深入解析向量数据库核心算法HNSW层级图结构构建原理与搜索机制，结合PQ/IVF量化策略实现内存效率与召回率的平衡，探讨分布式向量数据库分片策略、混合查询优化、GPU加速索引构建，以及RAG生产环境工程实践陷阱。
向量检索引擎实战：手写 HNSW 近似最近邻索引与召回率调优
RAG 的瓶颈在检索不在生成。本文从零实现一个可运行的 HNSW 近似最近邻索引，讲清分层导航图的核心算法、四个调优旋钮（M / efConstruction / efSearch / mL）以及与 IVF-PQ 的实战取舍，并揭示删除、归一化、维度灾难三大生产陷阱。
大规模向量搜索引擎架构深度剖析：从HNSW图索引到乘积量化的工程实践
大规模向量搜索引擎架构深度剖析：从HNSW图索引到乘积量化的工程实践，全面解析ANN算法、索引结构与分布式向量数据库。
向量数据库工程实践：从HNSW索引原理到混合检索架构的十亿级语义搜索
深入解析向量数据库的核心索引算法（HNSW/IVF/DiskANN），结合pgvector和Milvus的工程实践，讲解量化压缩、混合检索（向量+标量）及RAG/推荐系统等应用场景。
