向量数据库选型指南：Chroma vs Qdrant vs Milvus

向量数据库是构建 RAG 系统的核心组件。市面上有十几种选择，这篇文章帮你选对。

为什么不用传统数据库

传统数据库擅长精确匹配（SQL WHERE），但向量相似度搜索需要的是"近邻查找"。普通数据库做向量搜索性能极差，需要专门的索引结构（HNSW、IVF 等）。

核心选型维度

1. 数据规模：百级、万级、百万级还是亿级向量
2. 部署模式：自托管还是全托管云服务
3. 功能需求：纯向量搜索还是需要混合搜索（向量+关键词）
4. 性能要求：毫秒级还是秒级可接受
5. 运维能力：团队是否有能力运维分布式数据库

Chroma

Python 原生，一键安装 pip install chromadb。适合原型开发和中小规模场景。内置 embedding 功能，开箱即用。但不适合大规模生产环境。

Qdrant

Rust 编写，性能极佳。支持丰富的过滤条件和 payload 索引。Docker 一键部署，有托管云版本。社区活跃，文档优秀。是生产环境的中等首选。

Milvus

为十亿级向量设计的分布式向量数据库。支持多种索引类型（IVF、HNSW、DiskANN）。云原生架构，组件化部署。适合真正的大规模场景，但运维复杂度较高。

Pinecone

全托管 SaaS，完全不用管运维。有免费额度适合试水。按量付费，规模大了成本较高。适合不想碰基础设施的团队。

推荐路径

原型阶段用 Chroma → 上线后迁移到 Qdrant → 数据量破亿考虑 Milvus。如果不想折腾运维直接用 Pinecone。