pgvector 做小团队知识库够不够？

[rootless]

数据量不大、团队小、权限和业务数据都在 Postgres，pgvector 很合适。先别为未来百万级焦虑。

[小乔同学]

但索引参数要认真看。HNSW、IVFFlat 不是“建了就完事”。

[小吴]

我踩过 IVFFlat 没 analyze，召回看起来怪怪的。后来发现不是模型问题。

[nora]

pgvector 的优势是简单和事务。你能把 doc 表、chunk 表、权限表、向量都放一起管。

[小唐]

弱点是向量服务能力没有专门库丰富，监控和分片也要自己想。

[MingK]

如果你们 RLS 已经用起来，权限过滤会舒服很多，但别忘了应用层也要带 tenant 条件。

[小郑]

我们 12 万 chunk，768 维，pgvector 现在还行。慢的是 PDF 入库，不是查。

[小路灯]

12 万没啥压力。真正要看并发、更新频率、过滤条件复杂度。

[半截薯条]

还有备份。Postgres 一起备份很省心，专门向量库又多一套运维。

[小树]

那是不是不用 Qdrant/Milvus？

[林小北]

不是不用，是先看你有没有它们解决的问题。没有就别引入。

[今天也没睡醒]

我们一开始就是 5 个人内部问文档，看来 pgvector 够。

[小乔同学]

做个压测就行。top_k、过滤、rerank、生成分开打点，不要只看总耗时。

[rootless]

结论可以保守：pgvector 先跑，抽象 collection 接口，别把业务绑死在 SQL 细节里。