KEEL · 龙骨 · A CURRICULUM FOR THE AI ERA
向量数据库工程课：索引家族、召回率与延迟账 — keel 龙骨
向量数据库工程课：从暴力检索到 Milvus 的参考信息：向量数据库工程课：索引家族、召回率与延迟账
向量检索不是「装个库、存进去、调一次 search」就完事。同一份 10 万条、128 维的数据，选 Flat 还是 IVF 还是 HNSW，nprobe 设 1 还是 64，过滤条件放前面还是后面，跑出来的召回率可以从 2.5% 到 99.9%、单条延迟从 0.005ms 到 0.6ms——这些数字直接决定一个 RAG 系统能不能上线。
这门课用一套真跑的环境（faiss 1.15.1 + PostgreSQL 16 / pgvector 0.8.6）把「召回率—延迟—内存」三角拆开量给你看：每张曲线表都是本机跑出来的原始输出，不是官方宣传值。它不讲「什么是 embedding」，也不逐个罗列 API，而是回答工程里真正会卡住你的那类问题：为什么加了索引召回反而掉、nlist 和 nprobe 该怎么配、PQ 省下的内存值不值、过滤为什么必须下推、什么时候你根本不需要向量数据库。