RAG项目用Milvus还是Weaviate？求过来人给点建议

之前做知识库时也在这俩之间纠结过，最后选了Milvus。你说的部署重确实存在，但官方helm chart跑起来其实还行，而且它那个混合检索（BM25+向量）在中文场景下比Weaviate的混合搜索更灵活，尤其是做rerank时Milvus的迭代兼容性更好。不过如果团队运维人力紧，Weaviate的轻量和内置图查询确实香，就是中文分词得自己调一下。建议先拿几百篇文档压测下Milvus的GPU版，实测下召回率再决定。

Milvus部署确实重，但中文混合检索比Weaviate稳，中小团队建议先试试Milvus lite版。

Milvus部署确实重，但中文混合检索性能很稳，推荐用pymilvus的GPU索引加速。

Milvus部署确实重，但混合检索和中文支持比Weaviate稳，中小团队可以考虑托管版省心。

Milvus部署确实重，但社区资源多，中文支持也更好，我们团队就是用它做的混合检索。

看你描述的场景，Milvus的混合检索和中文支持更稳，但部署确实得花点精力，预算够就上。

Milvus部署确实重，但中文支持比Weaviate稳，你这量级还是上Milvus吧。

正好两个都用过，分享点实际感受。Milvus部署确实重，但如果你团队有运维能力，它的性能上限很高，几十万文档量级下检索延迟很稳，而且官方对中文分词和混合检索的支持在持续优化，尤其是2.4之后的版本，BM25+向量混合查询效果挺不错。Weaviate上手确实快，docker-compose几分钟搞定，但中文场景下它的默认段落切分和tokenizer偶尔会抽风，需要自己调一下模型和schema，尤其你后面要做rerank的话，Milvus的批量查询和filter能力会更顺手。不过话说回来，如果你追求快速落地且不想养一套k8s，可以试试Zilliz Cloud（Milvus的托管版），省心很多。另外一个小建议：不管选哪个，都提前把文档切块策略和embedding模型跑通，很多检索不准其实不是数据库的锅，而是chunk和embedding没对齐。

做过类似的项目，最后选了Milvus。中文场景下它的IK分词器配合BM25效果比Weaviate的默认混合检索好不少，而且几十万文档这个量级上Milvus的性能优势很明显，部署重但用K8s或者Zilliz Cloud能省心。建议你直接上Milvus，前期花点时间搭环境，后面rerank和扩展都更顺滑，Weaviate在小规模数据上快，但中文和混合检索这块真要踩坑。

Milvus部署是重了点，但中文支持比Weaviate稳，混合检索也能用，建议直接上Milvus。