HNSW

Qdrant通过Universal I/O接口实现本地和对象存储的统一读取，降低无服务器模式下的性能差距。

向量索引选择需权衡性能与内存效率，HNSW适合高吞吐场景，HFresh通过压缩技术优化内存使用。

HFresh是Weaviate推出的基于磁盘的向量索引，通过分区和两阶段搜索策略实现低内存使用和大规模数据集的高效查询。

Qdrant 1.19.1版本通过多项优化显著提升性能，Quantized HNSW搜索速度提升1.5-2.5倍。

AI代理错误答案常源于检索系统缺陷而非模型本身，需优先调试召回层而非直接优化模型。

大规模向量搜索需权衡内存与磁盘索引，DiskANN在成本和性能上优于HNSW，但需接受精度损失。

Weaviate推出查询性能分析功能，可精准定位慢查询的瓶颈。通过per-query profiling直接返回各阶段耗时，无需重启或等待查询变慢。

Milvus通过Force Merge Compaction可提升查询性能1.8倍，降低延迟三分之一。

Milvus 直接在嵌入列表上构建 HNSW 索引，无需编码步骤，质量几乎无损失，且优于现有近似策略。

Qdrant 1.6 推出更灵活的推荐 API，支持正负样本混合输入和多种搜索策略，提升推荐系统效果。

Weaviate proposes a new memory management solution HFresh, which stores vectors on disk and retains only a compact centroid index in memory to reduce memory usage.