RAG 做 demo 很简单，落地到生产，向量库选型是第一道坎。四个维度帮你收敛选项。

1. 数据规模
- 十万级以内：单机方案（FAISS、Chroma）足够，别上分布式给自己找事；
- 百万到千万：Milvus、Qdrant、Weaviate 这类正经向量库；
- 亿级以上：分片、副本、运维成本都要算进去，选有大规模案例的。

2. 查询模式
- 纯向量检索：哪个库都行；
- 混合检索（向量+关键词）：优先原生支持 hybrid search 的，省得自己拼两套系统；
- 过滤条件多：看元数据过滤的性能，有些库 filter 一加上就慢一个数量级。

3. 运维成本
自建还是托管（managed service），这是个组织问题不是技术问题。没专职运维就别自建，半夜挂了没人修。托管贵一点，但 SLA 是别人的责任。

4. 生态和锁定
看和 LangChain / LlamaIndex 的集成成熟度，看数据导出方不方便。向量数据也是资产，选个导不出来的库，等于把自己锁死。

一句话建议：先按数据规模筛掉一批，再按查询模式筛，最后看团队运维能力。别一上来就追“最新最火”的库，稳定压倒一切。

大家 RAG 落地都用的什么向量库？踩过哪些坑？