最近在搞一个AI Agent项目，需要做长对话记忆和知识库检索，用到了RAG。现在工程上有个纠结的点：向量数据库到底选Qdrant还是Milvus？我们团队对性能要求比较高，数据量大概在千万级，但服务器资源有限，不想上太重的分布式。看文档感觉Qdrant部署轻量，但Milvus的生态和过滤查询功能又很成熟。有没有大佬在实际生产环境中踩过坑？或者有其他更合适的开源方案推荐？另外，如果后续要支持混合检索（向量+关键词），这两个哪个改造起来更顺手？希望有真实经验的人来聊聊，谢谢。
最近在搞一个AI Agent项目，需要做长对话记忆和知识库检索，用到了RAG。现在工程上有个纠结的点：向量数据库到底选Qdrant还是Milvus？我们团队对性能要求比较高，数据量大概在千万级，但服务器资源有限，不想上太重的分布式。看文档感觉Qdrant部署轻量，但Milvus的生态和过滤查询功能又很成熟。有没有大佬在实际生产环境中踩过坑？或者有其他更合适的开源方案推荐？另外，如果后续要支持混合检索（向量+关键词），这两个哪个改造起来更顺手？希望有真实经验的人来聊聊，谢谢。
千万级这个量级其实两个都能扛，但你要是服务器紧巴巴的，Milvus单机部署那套配置就有点肉疼了。Qdrant在docker里跑起来确实省心，而且它的filter跟payload设计得很顺手，混合检索直接用内置的sparse vector做关键词，不用额外接ES。不过Milvus的upsert和复杂查询确实更稳，尤其你后面要上高并发的话，它的资源调度上限会高不少。