GraphRAG：图结构增强检索与关系推理
以图结构作为知识组织与检索基础，结合语义检索与关系推理提升长链路问题的答案质量与可解释性。
检索
Milvus 2.4 版本解读：多向量检索与标量倒排索引
总结 Milvus 2.4 的核心更新，包括多向量检索框架、标量倒排索引与正则/模糊匹配支持，并给出性能与成本优化建议。
IVF-PQ 索引与混合检索策略（2025）
Milvus HNSW/IVF-PQ 索引与混合检索策略（2025）一、索引类型与度量索引：`HNSW` 适合在线更新与低延迟；`IVF-PQ` 通过分桶与乘积量化压缩向量，加速检索与节约存储。度量：`cosine`/`L2`/`IP` 按语义选择；统一归一化策略保障得分可比较。二、HNSW 参数图
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
"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。"
pgvector 近似检索与索引调优（2025）
pgvector 近似检索与索引调优（2025）一、索引类型与度量索引：`HNSW` 适合在线更新、低延迟；`IVF` 适合批量构建与更高吞吐。度量：`余弦`（cosine）用于归一化向量相似；`L2`（欧氏）；`IP`（内积）。按业务语义与评估集选择。二、HNSW 参数与调度图参数：`m`（每点连
索引参数与过滤检索治理（2025）
Pinecone Pods/索引参数与过滤检索治理（2025）一、索引与度量Metric：选择 `cosine/L2/IP`；按业务语义校准。Pods：设置 `pods/replicas` 与分片；保证可用性与吞吐。二、查询与过滤过滤：使用 Metadata 过滤缩小候选；提高精准度。Top-K：设
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。
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
