系统选型的常见误区

一句话定义

向量库选型的错误大多不是"选了个慢的系统"，而是决策框架错误：被营销叙事（"必须专用库"）、幸存者偏差（"pgvector 永远够用"）、跑分幻觉（拿论文数字外推自家负载）带偏——本篇逐条拆解七个高频误区并给出反驳判据。

为什么重要

选型错误的代价以"年"计：选重的团队为不存在的规模付运维税；选轻的团队在业务爆发后经历痛苦的迁库（换库=重嵌入评估+双写迁移+业务回归，常常一个季度起）。本篇与 kp-027 的决策树互为表里：误区告诉你"别怎么想"，决策树告诉你"该怎么想"。

前置知识

kp-018（谱系地图——误区都发生在谱系误判上）。

核心概念

• 运维税：新系统带来的部署、监控、备份、升级、故障演练的持续人力成本。
• 迁移成本：换向量库=全量重灌+索引重建+评测回归+应用改写，通常远超初期节省。
• 跑分外推谬误：第三方 benchmark 的数据分布/维度/过滤模式与自家负载不符时，数字不可迁移。
• 写入盲测：只在查询维度做选型评估，忽略写路径（导入时长、更新延迟、合并压力）。

原理与机制

七大误区逐条拆解（误区 → 真相 → 判据）：

1. "上向量库必须用专用向量数据库"

真相：谱系各有所长（kp-018），十万级数据 + 已有 PostgreSQL 的场景，pgvector 的总成本几乎必胜。判据：先算"运维税 + 团队学习成本"，再比性能。

2. "pgvector 永远够用，专用库是营销"

真相：亿级 + 高 QPS + 复杂低选择率过滤 + 高频写入的组合，专用库的 filterable HNSW、分布式、段式写删有真实优势。判据：把规模、QPS、过滤选择率、写入速率四个数摆上桌再下结论。

3. "向量库 = FAISS，自己包一层就行"

真相：包 FAISS 要自造持久化、增量更新、过滤、副本、监控——每一样都是 kp-022 级别的工程量。判据：列出你需要的数据系统能力清单，缺项超过两个就别自建。

4. "托管比自己运维贵，所以自建"

真相：托管费里含了高可用、备份、升级与 on-call；自建省的是钱，付的是工程时间与故障风险。判据：按团队规模估算每月运维人时再比较。

5. "论文跑分最高的就是最好的"

真相：SIFT1B 无过滤静态库上的冠军，未必在你的"5000 万带权限过滤+分钟级更新"场景可用。判据：只信 kp-025 的自建评测，跑分仅用于初筛。

6. "只测查询，不测写入"

真相：选型后第一个撞墙的常是导入时长与更新积压（kp-022）。判据：评测必须包含批量导入速率、upsert 延迟、合并窗口影响。

7. "选型是纯技术问题"

真相：团队熟悉度、云厂商绑定、社区健康度、许可协议同样决定成败。判据：给非技术因素留正式打分项。

伦理与合规注记：向量数据同样受数据驻留与隐私约束——嵌入可被反推（尤其对低维/微调过的模型），跨境同步向量库前应评估合规义务；选型清单里应有"数据驻留与加密"一项。

公式或模型

总拥有成本的粗账（选型真正的算式）：

TCO(年) ≈ 资源费(计算+存储+副本) + 运维人力(人月×月薪) + 迁移风险折价
"更快的系统"只有在 TCO 口径下才有意义

图示

决策红绿灯:
 绿(直接用pgvector/嵌入式): <1000万条, 无低选择率过滤, 团队有PG/无运维
 黄(上专用单机, 认真评测):   1000万~1亿, 或过滤复杂, 或QPS高
 红(分布式/托管, 架构评审):  >1亿, 多租户强隔离, 高可用硬要求
 拿不准 = 黄灯, 用 kp-025 评测说话

实例或案例

两个真实形态的反例：某 20 人团队在 30 万条 FAQ 场景上了分布式专用库 + K8s 全家桶，半年内 40% 工时花在运维，回迁 pgvector 后故障率反降；另一团队用 FAISS 自研"向量服务"，在需要权限过滤时手写位图过滤，三个月后过滤需求复杂化，重写为 Qdrant——两次浪费都源于误区 1/3 的决策框架，而非技术本身。

直观类比

选型误区像"买健身房年卡"：营销说"专业器械才能练好"（误区 1），但多数人的瓶颈是坚持（运维/数据基础），家用哑铃（pgvector）完成度更高；而真要备战比赛（亿级+硬 SLA），专业场馆（专用库/托管）确有必要——按训练目标买卡，不按广告买。

常见误区（本篇主题，补充元层面两条）

1. "选型一次定终身"——容量与负载会变，好的选型要写明"何时重新评估"的触发条件（数据量/QPS/延迟预算阈值）。
2. "新技术先上核心业务"——新引擎先接旁路流量（影子查询对比），稳定一个季度再切主路。

自测题

1. 用一句话反驳"必须上专用向量库"。

答：专用库的优势区间是大规模+高负载+复杂过滤的组合；在其区间之外，运维税与迁移成本使总拥有成本反超 pgvector/嵌入式方案。

2. 为什么第三方跑分不能作为最终依据？

答：其数据分布、维度、过滤模式、硬件与你的负载不同构，数字不可迁移；它只能用来缩小候选集，结论必须出自自建评测。

3. 选型评审中应给非技术因素留哪些正式条目？

答：团队熟悉度、社区与商业支持健康度、云厂商与许可绑定、数据驻留与合规——每项独立打分，防止"纯性能叙事"垄断决策。

与其他知识点的关系

kp-018 提供谱系事实、本篇提供决策纪律、kp-027 提供可执行决策树；kp-025 的评测是终结一切争论的裁判。

延伸阅读

本节不适用：本篇为决策方法论汇编，无单一经典文献对应；谱系事实依据见 kp-018 延伸阅读。