Milvus / Zilliz

Milvus 是由 Zilliz 团队发起的开源向量数据库，现为 LF AI & Data 基金会的毕业项目，是向量数据库领域使用最广泛的开源方案之一。随着大模型应用普及，向量检索从小众需求变成了 AI 应用的标准组件，这类产品的重要性也随之上升。

核心能力

• 大规模向量相似度检索，支持多种索引类型
• 标量字段过滤与向量检索结合的混合查询
• 分布式架构，支持水平扩展至十亿级向量
• 多种距离度量方式，适配不同的嵌入模型
• 数据分区与一致性级别可调
• 提供开源自建与云服务两种形态

典型场景

检索增强生成（RAG）是当前最主要的用途：把文档切分后转成向量存入库中，用户提问时先检索相关片段，再交给大模型生成回答。此外还有以图搜图、推荐系统召回、相似内容去重等传统向量检索场景。当向量规模超出内存单机可承载的范围时，专用向量数据库相比在关系数据库中加装向量扩展的优势会明显体现出来。

接入方式

开源版本可自行部署，提供轻量的单机模式便于开发测试。官方提供 Python、Java、Go、Node.js 等多语言 SDK，与 LangChain、LlamaIndex 等大模型应用框架有现成集成。云服务形态由 Zilliz 提供，国内有对应的服务节点。

注意事项

向量检索的效果首先取决于嵌入模型的质量，数据库本身只负责高效检索——模型选得不合适，再好的向量库也救不回来。索引类型与参数会在召回率和查询速度之间权衡，需按业务要求实测调整。数据量不大时，直接使用关系数据库的向量扩展往往更简单，不必一开始就引入独立组件。