RAG 场景中常用的向量索引

如下向量索引，既包含 Milvus 支持的主流算法，也覆盖其他工具（如 FAISS、ANNOY）的常用类型
同时明确每种索引的适用场景，方便结合 RAG 数据量、延迟需求选择：

索引分类

基于图的索引

HNSW、FANNG

基于树的索引

ANNOY、VP-tree

基于哈希的索引

LSH、QALH、ScaNN

基于量化的索引

PQ、IVF-PQ

基于聚类的索引

k-means、GMM

纯向量检索索引（RAG 最基础、最常用）

这类索引仅基于「向量相似度」检索，是 RAG 检索的核心基础，适配不同数据量和延迟要求

混合检索索引（向量 + 元数据，提升 RAG 精度）

这类索引是「纯向量索引 + 元数据过滤能力」的结合，完美适配你提到的 “按文档来源、章节等过滤” 场景
是 RAG 中提升检索精准度的关键：

多模态兼容索引（支持文本 / 图像 / 音频向量）

这类索引本身不限制向量来源，仅要求向量维度统一，适配你提到的 “多模态 RAG” 场景（如上传图片查文档、音频检索相关文本）：

RAG 索引选择优先级（按场景快速决策）

小团队 / 个人 RAG（数据量 < 500 万）：优先选「ANNOY 树索引」（轻量易部署）或「IVF_FLAT」（精度高）
企业级 RAG（数据量 100 万～10 亿）：优先选「HNSW」（低延迟）或「IVF_PQ」（超大规模），搭配 Milvus 实现混合检索
多模态 RAG（文本 + 图像 / 音频）：选「HNSW」或「IVF_PQ」（Milvus 原生支持多模态向量混合存储）
需关键词 + 语义混合检索：选「Elasticsearch 向量索引」或「Milvus 混合索引 + 关键词元数据过滤」

核心总结

RAG 中最常用的向量索引集中在「IVF 系列（IVF_FLAT/IVF_PQ）、HNSW、ANNOY 树索引」—— 前两者是企业级 RAG 的主流选择（适配大规模、低延迟、混合检索），后者是入门级首选（轻量易部署）。
如果需要支持多模态或精准过滤，优先用 Milvus 搭载 HNSW/IVF_PQ 索引，直接实现 “向量相似度 + 元数据过滤 + 多模态兼容” 的全需求。

IVF - 基础框架

全称：Inverted File（倒排文件索引）
命名逻辑：借鉴搜索引擎 “倒排索引” 思想，将向量空间划分为多个「聚类簇（Cluster）」，每个簇对应一个 “倒排列表”（存储该簇内的所有向量）；检索时先定位目标向量所属的簇，再仅在簇内搜索（而非全量遍历），大幅提升检索速度
作用：作为 “分桶策略”，减少检索时的向量比对次数，是两者的性能基础

IVF-FLAT：全量存储的精准索引

IVF-Flat = Inverted File + Flat
Inverted File：倒排文件索引（分桶策略）
Flat：直译 “扁平”，实际指「Flat Storage（全量原始存储）」

“Flat” 描述了向量的存储方式：每个簇（倒排列表）内的向量 完全保留原始数据，不做任何压缩或量化，因此检索时能直接计算原始向量的精确距离（如欧氏距离、余弦相似度）

核心特点
优点：检索精度最高（无信息损失），实现简单
缺点：存储成本高（原始向量占用空间大）、簇内检索仍需遍历所有向量（大数据量下速度一般）
适用场景：中小规模向量数据集（百万级以内），对精度要求极高、对存储 / 速度要求适中的场景

IVF-PQ：压缩存储的高速索引

IVF-PQ = Inverted File + Product Quantization
Quantization ˌkwɒntɪˈzeɪʃən [量子] 量子化；分层；数字化

Inverted File：倒排文件索引（分桶策略，与 IVF-FLAT 一致）
Product Quantization：乘积量化（一种向量压缩技术）

“PQ” 是核心优化点：在 IVF 分桶的基础上，对每个簇内的向量执行「乘积量化」
将高维向量拆解为多个低维子向量，每个子向量用少量比特（如 8bit）量化编码，最终用 “量化码本+编码值” 替代原始向量存储

核心特点
优点：存储成本极低（量化后向量体积仅为原始的 1/8~1/32）、检索速度极快（比对的是量化后的编码，而非原始向量）
缺点：存在轻微精度损失（量化过程会丢失部分细节），需调优量化参数（如子向量数量、量化比特数）平衡精度与速度
适用场景：大规模 / 超大规模向量数据集（千万级～亿级），对存储和检索速度要求高、可接受轻微精度损失的场景（如推荐系统、图像检索）

IVF-PQ 示例

IVF-PQ 中 “高维向量拆解为低维子向量” 的核心逻辑是 “分而治之”：
把一个超长的高维向量，按维度顺序切成多个长度相同的 “短向量（子向量）”，再对每个子向量单独做量化压缩

先明确前提（简化场景）
假设要处理的是 16 维的高维向量（实际应用中向量维度可能是 128、256、768 等，这里选 16 维方便计算）

PQ 的拆解规则是：
高维向量维度：D = 16（总维度）
拆解后的子向量个数：M = 4（分成 4 个）
每个子向量的维度：d = D/M = 4（每个子向量 4 维）

步骤 1：原始高维向量（16 维）

假设有一个 16 维的原始向量：

原始向量 V = [1.2, 3.5, 2.1, 4.3,  0.8, 1.9, 3.2, 2.7,  5.1, 4.8, 3.6, 2.4,  1.5, 0.9, 4.2, 3.3]

可以看到它是一个 “长串” 的 16 个数值，直接存储或计算相似度（如欧氏距离）的成本很高

步骤 2：按维度顺序拆解为 4 个低维子向量（每个 4 维）

PQ 会 按维度索引顺序切割（不是随机拆分，确保子向量的维度连续性），把 16 维向量拆成 4 个 4 维子向量：

子向量 V₁（第 1-4 维）：[1.2, 3.5, 2.1, 4.3]
子向量 V₂（第 5-8 维）：[0.8, 1.9, 3.2, 2.7]
子向量 V₃（第 9-12 维）：[5.1, 4.8, 3.6, 2.4]
子向量 V₄（第 13-16 维）：[1.5, 0.9, 4.2, 3.3]

拆解后效果：

原始向量 V = [V₁的4维] + [V₂的4维] + [V₃的4维] + [V₄的4维]

子向量维度必须相同（这里都是 4 维），所以总维度 D 必须能被 M 整除（16÷4=4，若不能整除会补零或调整 M）
拆分仅按 “维度顺序”，不改变向量的数值（拆解过程无信息损失）

步骤 3：对每个子向量单独做量化（压缩核心）

拆解后，PQ 会为每个子向量训练一个 “码本（Codebook）”，把低维子向量映射成一个 “短编码”（比如 8bit，即 1 个字节）

3.1 先理解 “码本”（以子向量 V₁ 为例）

假设为 4 维子向量训练的码本有 K=256 个 “码向量”（8bit 编码对应 2⁸=256 个可能值）
码本是通过聚类算法（如 K-Means）从大量样本向量中学习得到的，比如：

码本 C₁（对应子向量 V₁ 的4维码本）：
C₁[0] = [1.1, 3.4, 2.0, 4.2]  → 编码 0
C₁[1] = [0.9, 3.6, 2.2, 4.4]  → 编码 1
...
C₁[56] = [1.2, 3.5, 2.1, 4.3] → 编码 56 （和 V₁ 几乎一致）
...
C₁[255] = [4.8, 2.3, 1.9, 3.1] → 编码 255

3.2 子向量量化（找最像的码向量）

对每个子向量，在对应的码本中找 “最相似的码向量”，用该码向量的 “编码” 替代原始子向量：
子向量 V₁ = [1.2, 3.5, 2.1, 4.3] → 与码本 C₁ 中 C₁[56] 最像 → 量化编码：56（8bit 存储）
子向量 V₂ = [0.8, 1.9, 3.2, 2.7] → 与码本 C₂ 中 C₂[123] 最像 → 量化编码：123（8bit 存储）
子向量 V₃ = [5.1, 4.8, 3.6, 2.4] → 与码本 C₃ 中 C₃[89] 最像 → 量化编码：89（8bit 存储）
子向量 V₄ = [1.5, 0.9, 4.2, 3.3] → 与码本 C₄ 中 C₄[210] 最像 → 量化编码：210（8bit 存储）

3.3 最终量化结果

原始 16 维向量（每个数值用 4 字节 float 存储，总大小 = 16×4=64 字节）
量化后变成 4 个 8bit 编码（总大小 = 4×1=4 字节），存储成本直接降到原来的 1/16
量化后的向量表示：[56, 123, 89, 210]（每个数字是 8bit 编码，对应一个子向量的量化结果）

步骤 4：检索时的相似度计算（基于子向量编码）

检索时，目标向量也会按同样规则拆解、量化，然后：
对每个子向量的编码，计算 “码向量之间的距离”（比如欧氏距离）；
把 4 个子向量的距离加权求和，得到最终的 “近似相似度”。
比如目标向量的量化编码是 [55, 124, 90, 211]，则：
V₁编码 56 vs 目标 V₁编码 55 → 码向量距离 d₁
V₂编码 123 vs 目标 V₂编码 124 → 码向量距离 d₂
V₃编码 89 vs 目标 V₃编码 90 → 码向量距离 d₃
V₄编码 210 vs 目标 V₄编码 211 → 码向量距离 d₄
最终相似度 = w₁×d₁ + w₂×d₂ + w₃×d₃ + w₄×d₄（w 是权重，通常相等）

总结：拆解的核心目的

降低量化难度：
高维向量直接量化会丢失大量信息（精度暴跌），拆成低维子向量后，每个子向量的 “语义更集中”，量化时能保留更多有效信息

提升压缩比：
低维子向量可独立量化，每个子向量用少量比特编码，整体压缩比远高于直接量化高维向量

加速相似度计算：
比对 “短编码” 比比对 “原始高维向量” 快得多（比如 4 个字节 vs 64 个字节），结合 IVF 分桶，检索速度大幅提升

简记

IVF-PQ 的拆解就像把 “一整根长甘蔗（高维向量）” 切成 4 段短甘蔗（低维子向量），每段单独打包（量化）
既方便存储，又能快速对比 “每段的相似度”，最后汇总结果