OpenSearch k-NN 向量检索与参数优化（2025）
OpenSearch k-NN 向量检索与参数优化（2025）一、索引与配置HNSW：设置 `m`/`ef_construction`；匹配向量维度与度量。索引映射：声明 `knn_vector` 字段与度量（cosine/L2）。二、查询与优化efSearch：提升召回的同时控制延迟；按查询类型动
向量
Prisma pgvector 与向量检索集成建议
引言pgvector 将向量检索能力带入 Postgres；结合 Prisma Client 可在同一数据层实现结构化与语义检索的统一。集成与建模（已验证）Postgres 扩展：安装与启用 `pgvector`，创建向量列并建立合适的索引（如 HNSW/IVFFlat）。来源：Supabase 文
Weaviate Hybrid Search（BM25+向量）与 Schema 设计（2025）
Weaviate Hybrid Search（BM25+向量）与 Schema 设计（2025）一、Schema 与索引类与属性：为文本/标签/数值建模；向量由内置/外部模型生成。索引：启用 `BM25` 文本索引与向量索引，支持 Hybrid 组合。过滤：对标签/范围设置过滤字段，保障精确召回。二
pgvector向量检索与语义搜索实践
在 PostgreSQL 中使用 pgvector 实现向量检索与语义搜索，选择合适的索引（HNSW/IVF）、维度与度量，提供数据处理与验证方法。
向量检索实战：HNSW 与 IVF 的参数选择
"对 HNSW 与 IVF 索引的适用场景与核心参数进行对比，给出召回率、查询耗时与内存占用的权衡建议与注意事项。"
OpenSearch 2.15 版本解读：混合检索并行化与向量成本优化
总结 2.15 在向量/混合检索与运维成本上的改进，包含混合检索并行、k-NN Lucene 引擎下禁用 doc values、重建工作流与径向搜索能力。
OpenSearch k-NN 向量检索索引与查询实战
"创建 k-NN 索引并进行向量相似度查询，提供 HNSW 配置与 knn 查询示例。"
RISC‑V RVA23 Profile 解读：标准化向量与虚拟化
概述 RVA23 Profile 的目标与强制扩展，强调向量与虚拟化的标准化对软件可移植性的意义，并给出生态与应用场景建议。
Qdrant 向量检索与 Payload 过滤治理（2025）
Qdrant 向量检索与 Payload 过滤治理（2025）一、集合与索引集合：定义向量维度与度量（cosine/L2/IP），开启 `HNSW` 索引。Payload：属性存储用于 `Filter`（标签/时间/数值），支持条件组合。分片与副本：依据数据量与吞吐设置 `shards/replic
搜索相关性 BM25 与向量融合检索（2025）
搜索相关性 BM25 与向量融合检索（2025）融合检索在语义与关键词匹配间取得平衡，适用于通用搜索与问答。一、召回与融合BM25：关键词匹配精准，适合高精度短文本。向量：语义召回覆盖度高，适合自然语言与长文本。融合：按权重或学习排序融合两路结果。二、重排与评估重排模型：基于语义/特征的学习排序提升
