21 向量数据库怎么选：Chroma、Milvus、Qdrant、pgvector 对比

专栏：大模型应用开发：从原理到生产
篇号：21
内容标签：向量数据库、RAG、Milvus、Qdrant、pgvector

上一篇我们讲了 Embedding 和向量检索。

现在问题来了：

文本块已经变成向量了。

这些向量、原文、标题、来源、版本、权限标签，到底应该存在哪里？

这就是向量数据库要解决的问题。

很多人第一次做 RAG，会把向量数据库选型想得很玄。

好像必须先看一堆性能榜单、索引算法、分布式架构、云服务价格，才能开始。

其实不用。

大多数项目一开始只需要回答几个很实际的问题：

• 你是在学习验证，还是要上线生产？
• 你们团队有没有现成 PostgreSQL？
• 数据量和并发大不大？
• 权限过滤和元数据查询复杂不复杂？
• 能不能接受多维护一个数据库服务？
• 是否需要私有化部署、备份、审计和监控？

这些问题比“哪个数据库最强”更重要。

向量数据库不是越重越好。

选型的核心是：

用当前阶段最合适的基础设施，支撑 RAG 稳定检索、可追溯、可维护。

</