面试优先顺序（通用 AI 应用开发岗位）：Q1、Q2、Q3、Q4、Q5、Q8、Q13。其余题目用于进阶或特定岗位拓展；实际频率会随岗位和面试轮次变化，产品版本资讯不应当作通用必考题。
难度： ⭐⭐⭐⭐⭐ 更新： 2026-03-02 考点： 向量索引原理、性能对比、选型指南
标准回答：
"向量数据库主流索引有五种：HNSW、IVF、IVF-PQ、LSH、Flat。
HNSW 是多层图结构，速度最快精度最高，但内存占用大，适合千万级以下数据。 IVF 是先聚类再搜索，适合大数据量，但精度有损失。 IVF-PQ 在 IVF 基础上加向量压缩，内存占用极低，适合超大数据量。 LSH 用哈希方法，速度最快但精度最低。 Flat 是暴力搜索，精度 100% 但只适合小数据量。
示例表达（仅在能用本人经历或可复现实验佐证时使用）： 我在项目中用 HNSW，因为数据量 50 万条，内存充足，追求低延迟。"
进阶回答：
"选型时我考虑三个维度：数据量、内存、精度要求。
数据量<100 万用 HNSW，延迟<10ms，Recall>95%。 100 万 -1000 万用 IVF-PQ，内存减少 100 倍，Recall 80-85%。
1000 万用 LSH 或分片。
另外还要考虑实时性：HNSW 支持实时插入，IVF 需要定期重建索引。"
| 日期 | 更新内容 |
|---|---|
| 2026-03-02 | 新增向量数据库索引详解专题 |
题目目录（按原文档学习顺序，⭐ = 面试高频优先题）
专题：Late Interaction 检索（ColBERTv2、ColPali、ColQwen）
专题：向量数据库选型深度对比（Pinecone / Milvus / Qdrant / Weaviate）
- ⭐ Q5 · Pinecone、Milvus、Qdrant 三类向量数据库方案怎么选？
- Q6 · 什么是向量数据库的“混合搜索”？为什么重要？
- Q7 · 什么是 DiskANN？它解决了什么问题？和 HNSW 怎么选？
专题：向量索引生产运维与监控
专题：托管与自建向量数据库选型
更新记录
- ⭐ Q3 · 为什么需要两阶段检索（向量检索 + Rerank）？ColBERT Late Interaction 模型详解
- ⭐ Q4 · HNSW 生产调参实战：M/ef/efConstruction 如何选择？有哪些性能陷阱？
核心面试题
补充高频题（2025-2026 全网最新）
- Q11 · DiskANN 如何利用磁盘与内存实现大规模 ANN 检索？
- Q12 · 什么是二进制量化（Binary Quantization）？它和 PQ 有什么区别？
- ⭐ Q13 · 何时选择 pgvector？如何做向量与业务条件混合检索？
- Q14 · 向量数据库迁移如何避免停机和检索回退？
- Q15 · 什么是 Context Poisoning（上下文污染）？RAG 知识库如何防御？