# 工程实践与深度解析

> 关于 RaBitQ 量化、DiskANN 与 HNSW 对比、BM25 混合搜索、ColBERT 重排序以及大规模 PostgreSQL 向量基准测试的技术文章。

---

LLMS 索引： [llms.txt](/zh/llms.txt)

---

本节页面：

- [在 PostgreSQL 上将向量搜索扩展至 10 亿规模](/zh/blog/post/scaling-vector-search-to-1-billion-on-postgresql/): 单机 2 小时内完成极速索引构建
- [我们如何在 PostgreSQL 上实现 20 分钟构建 1 亿向量索引](/zh/blog/post/how-we-made-100m-vector-indexing-in-20-minutes-possible-on-postgresql/): 在过去几个月里，我们收到了来自用户和合作伙伴的一致反馈：尽管我们致力于提供可扩展、高性能的 pgvector 替代方案，但在十亿级规模下，索引构建时间和内存占用仍然是核心痛点……
- [借助 VectorChord-BM25 将搜索引擎级排序引入 PostgreSQL](/zh/blog/post/bringing-searchengine-ranking-to-postgresql-with-vectorchordbm25/): 现代应用依赖 PostgreSQL 完全符合 ACID 的事务特性、表达力丰富的 SQL 以及蓬勃发展的扩展生态。在关系型负载之外，VectorChord-BM25 将 BM25 相关性评分算法直接引入了 PostgreSQL。
- [VectorChord：在 AWS 上高性价比地上传与搜索 4 亿向量](/zh/blog/post/vectorchord-cost-efficient-upload-and-search-of-400-million-vectors-on-aws/): 使用 VectorChord 与 PostgreSQL 上传、构建索引并搜索 4 亿规模向量，包含硬件选型技巧与搜索性能调优建议
- [在 PostgreSQL 中利用上下文检索优化 RAG](/zh/blog/post/optimize-rag-with-contextual-retrieval-in-postgresql/): 在 PostgreSQL 中结合向量搜索与关键词 BM25 评分实现上下文检索（Contextual Retrieval），全面提升大语言模型的生成质量。
- [一站式 VectorChord 套件：直接在 PostgreSQL 中构建生产就绪的 RAG 解决方案](/zh/blog/post/all-in-one-vectorchord-suite-building-production-ready-rag-solutions-directly-in-postgresql/): 利用 VectorChord 套件的向量搜索、BM25 排序和灵活分词扩展，直接在 PostgreSQL 中构建生产就绪的 RAG 解决方案
- [推出 Vechord：以 Pythonic 的方式将 PostgreSQL 打造成你的搜索引擎](/zh/blog/post/introducing-vechord-turn-postgresql-into-your-search-engine-in-a-pythonic-way/): 借助支持无缝向量与关键词搜索的 Python 库 Vechord，将 PostgreSQL 打造成强大的搜索引擎
- [超越文本：使用 Modal 与 VectorChord 在 PostgreSQL 中解锁免 OCR 的 RAG](/zh/blog/post/beyond-text-unlock-ocr-free-rag-in-postgresql-with-modal-and-vectorchord/): 为文档构建高效的检索增强生成（RAG）系统，往往让人感觉像是在与杂乱复杂的流水线搏斗。尤其是在处理 PDF 或扫描图像时……
- [在 PostgreSQL 中用 30 亿向量守护地球](/zh/blog/post/3-billion-vectors-in-postgresql-to-protect-the-earth/): 借助 VectorChord 在 PostgreSQL 中对 30 亿以上向量执行大规模向量搜索，获得快速、可扩展的相似度检索体验。
- [PostgreSQL 向量搜索：内存与磁盘方案对比分析](/zh/blog/post/vector-search-over-postgresql-a-comparative-analysis-of-memory-and-disk-solutions/): PostgreSQL 中的向量搜索：全面对比 VectorChord、pgvector 与 pgvectorscale 在内存与磁盘场景下的性能表现
- [PostgreSQL 全文检索：用对方法其实很快（打破“慢”的迷思）](/zh/blog/post/postgresql-full-text-search-fast-when-done-right-debunking-the-slow-myth/): 通过简单的标准优化将 PostgreSQL 全文检索速度提升 50 倍；结合 VectorChord-BM25 在 Postgres 中实现更快、更精准的 BM25 排序。
- [VectorChord-BM25：推出独立的多语言高级搜索分词器 pg_tokenizer](/zh/blog/post/vectorchord-bm25-introducing-pgtokenizera-standalone-multilingual-tokenizer-for-advanced-search/): 我们很高兴宣布发布 VectorChord-BM25 0.2 版本，这款 PostgreSQL 扩展旨在将先进的基于 BM25 的全文检索排序能力直接带入数据库……
- [基于 Postgres 原生 BM25 与 VectorChord 的混合搜索](/zh/blog/post/hybrid-search-with-postgres-native-bm25-and-vectorchord/): 结合 BM25 与兼容 pgvector 的扩展 VectorChord，在 PostgreSQL 中无缝集成混合搜索。
- [使用 VectorChord 在 PostgreSQL 中实现 10,000 QPS 的向量搜索](/zh/blog/post/vector-search-at-10000-qps-in-postgresql-with-vectorchord/): 作为 pgvecto.rs 的继任者，VectorChord 是一款专为向量搜索打造的 PostgreSQL 扩展，可轻松扩展至 10,000 QPS。
- [VectorChord-BM25：用 BM25 排序彻底革新 PostgreSQL 搜索——速度比 ElasticSearch 快 3 倍](/zh/blog/post/vectorchord-bm25-revolutionize-postgresql-search-with-bm25-ranking-3x-faster-than-elasticsearch/): VectorChord-BM25 通过 BM25 排序增强 PostgreSQL 搜索能力，速度比 ElasticSearch 快 3 倍，支持 BERT、Tocken 和 Unicode 分词器
- [我们真的需要专门的向量数据库吗？(2023)](/zh/blog/post/do-we-really-need-a-specialized-vector-database-2023/): 注：本文最初发表于 2023 年，探讨了专用向量数据库的适用性与必要性，特别是与 Postgres 及其向量能力之间的对比。
- [在 PostgreSQL 中使用 ColBERT 重排序为向量搜索赋能](/zh/blog/post/supercharge-vector-search-with-colbert-rerank-in-postgresql/): 通过本篇详尽教程，学习如何结合 PostgreSQL 与 VectorChord 使用 ColBERT 重排序来提升向量搜索准确度
- [ARM + VectorChord：高性价比的快速向量搜索](/zh/blog/post/arm-vectorchord-affordable-fast-vector-search/): 像 AWS Graviton 这样的 ARM64 服务器能显著节省成本。VectorChord 比 pgvector 便宜 26 倍，针对 ARM64 和 x86 深度优化，提供快速、高效的向量搜索体验。
- [为什么 HNSW 不是终极答案](/zh/blog/post/why-hnsw-is-not-the-answer/): HNSW（分层可导航小世界图）已成为众多向量数据库的首选算法。其多层图结构以及高效遍历向量嵌入的能力使其备受青睐……
- [VectorChord 外部聚类中心构建的优势与操作步骤](/zh/blog/post/benefits-and-steps-of-external-centroids-building-in-vectorchord/): 利用外部计算资源与层次化 K-means 在 VectorChord 中进行外部聚类中心构建，显著提升大规模向量搜索的索引效率
- [VectorChord：在 PostgreSQL 中仅花 $1 存储 40 万向量](/zh/blog/post/vectorchord-store-400k-vectors-for-1-in-postgresql/): 隆重推出 pgvecto.rs 的继任者 VectorChord。使用 VectorChord，您可以在 1 亿条 768 维向量数据集上以 0.95 的精度实现 131 QPS
- [推出 PGVecto.rs Cloud：PostgreSQL 可扩展向量搜索现已上云](/zh/blog/post/introducing-pgvectors-cloud-scalable-vector-search-in-postgresql-now-in-the-cloud/): 我们激动地宣布推出 PGVecto.rs Cloud——将可扩展向量搜索的强大能力带入你的 PostgreSQL 数据库，现已作为全托管云服务正式上线……
- [为 PGVecto.rs Cloud 引入 Terraform 支持](/zh/blog/post/introducing-terraform-support-for-pgvectors-cloud/): 像管理其他基础设施组件一样，使用 Terraform 管理 PGVecto.rs Cloud
- [释放稀疏向量的强大潜能](/zh/blog/post/unleash-the-power-of-sparse-vector/): 结合稀疏向量、BGE-M3 与 pgvecto.rs，以纯向量搜索释放数据流水线的全部潜能
- [pg_bestmatch.rs：用 BM25 全面提升 PostgreSQL 文本查询能力](/zh/blog/post/pgbestmatchrs-elevate-your-postgresql-text-queries-with-bm25/): Postgres BM25 全文检索、更出色的 RAG 与混合搜索
- [我的二值向量搜索比你的 FP32 向量更强](/zh/blog/post/my-binary-vector-search-is-better-than-your-fp32-vectors/): 二值向量搜索：在保持精度的同时实现 30 倍内存缩减的革命
- [2024 年 pgvector vs. pgvecto.rs：PostgreSQL 向量搜索全方位对比](/zh/blog/post/pgvector-vs-pgvectors-in-2024-a-comprehensive-comparison-for-vector-search-in-postgresql/): 在这篇博客文章中，我们将全面剖析 pgvector 与 pgvecto.rs 之间的差异。
- [使用 LlamaIndex 与 pgvecto.rs 构建 RAG 流水线](/zh/blog/post/building-the-rag-pipeline-with-llamaindex-and-pgvectors/): 在本篇博客中，我们将展示如何使用 pgvecto.rs 和 LlamaIndex 构建一套完整的 RAG 流水线。
- [使用 pgvecto.rs 在 LangChain 中构建大语言模型应用](/zh/blog/post/building-llm-applications-in-langchain-using-pgvectors/): 利用 pgvecto.rs 的强大能力，为你在 LangChain 中构建的大语言模型（LLM）应用全面加速
- [我们真的需要专门的向量数据库吗？](/zh/blog/post/do-we-really-need-a-specialized-vector-database/): 随着大语言模型（LLM）的普及，向量数据库也成为了热门话题。只需寥寥几行简单的 Python 代码，向量数据库就能充当 LLM 的外挂大脑……