Elasticsearch 8.15 特性解读：语义文本字段与向量优化
总结 8.15 的核心变化，包括 semantic_text 字段、位向量/SIMD/int4 量化优化与 ES|QL 能力增强，帮助快速落地语义搜索与性能提升。
向量
Elasticsearch混合检索：BM25与向量结合策略
结合 BM25 与向量检索构建混合检索策略，统一召回与相关性，提升搜索质量与鲁棒性。
Apache Cassandra 5.0 版本解读：ANN 向量检索与 SAI
概述 Cassandra 5.0 的关键增强，包含 ANN 向量检索（VECTOR CQL 类型）与 Storage Attached Indexes、统一压缩策略与 JDK 17 支持等。
向量数据库选型 pgvector Milvus Qdrant 对比
对比三种主流向量数据库在索引类型、部署与一致性方面的差异，结合场景给出选型建议与调参要点。
向量数据库选型与优化指南（2025）
向量数据库选型与优化指南（2025）向量数据库支撑语义检索与多模态搜索，是 RAG 与推荐系统的关键组件。本文从选型维度、索引策略、写读优化与治理实践展开。一、核心选型维度索引类型支持：常见 ANN 算法（如 HNSW、IVF 等）与可插拔性。数据规模与扩展：分片、副本与水平扩展能力；一致性与容错策
Elasticsearch向量字段dense_vector与knn_search治理
使用 `dense_vector` 字段与 `knn_search` 实现向量检索，规范维度与索引策略，与文本检索协同提升相关性。
向量数据库选型指南：Milvus、FAISS 与 PGVector
"结合生态与性能特点，对 Milvus、FAISS 与 PGVector 的适用场景与限制进行对比，并提供工程落地建议与参考。"
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
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
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。"
