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。
HNSW
向量数据库引擎深度实战：HNSW 图索引、乘积量化与分布式召回架构
向量数据库引擎深度实战：从HNSW图索引原理与Rust实现，到乘积量化压缩和非对称距离计算，再到分布式召回架构设计，包含性能基准对比、生产级工程要素和主流系统选型指南。
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
向量数据库深度引擎架构：从 HNSW 到 DiskANN 的工程取舍与生产实践
深度解析向量数据库核心算法——HNSW多层跳表图的构造与查询、DiskANN在十亿级SSD上的Vamana图+PQ两阶段搜索、乘积量化压缩与查表法加速。覆盖生产级分片策略、一致性取舍、过滤查询的工程权衡，以及5000万向量语义搜索服务的实战成本对比。
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。
构建生产级 RAG 系统：从 Embedding 到混合检索与重排序的完整实战
从 0 到 1 构建生产级 RAG 系统实战指南：基于 pgvector + Node.js 技术栈，详解文档切分、Embedding、HNSW 索引、向量+BM25 混合检索、RRF 融合、Reranker 精排全链路，含完整 SQL 和 TypeScript 代码。
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。
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。
