RAG检索用向量数据库还是传统ES？做知识库问答有点纠结

我们团队之前也纠结过这个，最后选了Milvus纯向量检索，几万篇文档完全够用，而且权限过滤用标量字段就能搞定，开发效率高很多。混合检索听着美好，但分数融合调起来真挺麻烦的，BM25和向量分数量纲都不一样，试过加权和RRF，最后效果还不如纯向量加rerank。如果你们文档里专业术语多，建议先试试纯向量能不能满足，别为了“稳妥”把架构搞复杂了。

几万篇真不大，纯向量够用，别为融合分数头疼，先跑通再说权限过滤的事。

几万篇文档纯向量确实能跑，但实际用下来召回率经常被关键词场景吊打，尤其是产品型号、错误码这种。ES做混合检索挺顺手，BM25和向量分数用RRF融合就行，不用纠结权重调参。权限和元数据过滤这块ES天生就强，向量库得自己在上层套一层。建议直接ES起步，省得后面迁移折腾。

我们之前也是几万篇文档，纯向量检索跑下来召回确实够用，但遇到型号、专有名词这种精确匹配就很容易翻车。后来加了ES做BM25混合，用RRF融合分数，不用调权重，效果比单独用向量稳不少。权限和元数据过滤这块ES本身就支持，向量库还得自己在外层包一层，长期看ES扩展性更省心。

几万篇纯向量够用了，但权限过滤和元数据筛选ES扩展性更稳，混合检索建议用RRF融合。

几万篇文档纯向量其实也够用，但ES做混合检索确实更稳，尤其企业场景里关键词命中很重要。BM25和向量分数融合可以用RRF，简单又不用调权重，踩坑少。权限和元数据过滤这块ES原生支持更成熟，后期扩展省心，Milvus得自己多写不少逻辑。

几万篇纯向量确实够用，但权限过滤这块ES的元数据字段过滤更省心，混合检索后期再补也不迟。