检索
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
多模态嵌入与检索评估（2025）
多模态嵌入与检索评估（2025）多模态检索依赖统一表示与评估方法，保障跨模态的相关性与可复现性。一、嵌入与度量嵌入模型：选择适配任务的多模态嵌入模型。相似度：cosine/L2 等度量与归一化策略。二、检索与重排召回：向量检索结合过滤条件提升相关性。重排：多模态重排模型提升最终排序质量。三、评估与回
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。"
向量数据库选型：pgvector/Milvus/Weaviate与内存索引治理
对比主流向量存储与索引（HNSW/IVF/Flat），结合内存占用与一致性需求，进行合理选型与治理。
RedisJSON与RediSearch全文检索治理
使用 RedisJSON 存储文档并通过 RediSearch 建索引与查询，规范字段与分词策略，构建高效检索能力。
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。
