一位用户在使用多租户文档助手实现检索增强生成 (RAG) 系统时，遇到了 pgvector 的 HNSW 索引的重大问题。核心问题在于 PostgreSQL 的过滤，特别是 `WHERE tenant_id = $1` 子句，是在 HNSW 索引选择候选向量 *之后* 应用的。这导致许多查询返回的结果少于请求的 10 个，甚至在某些情况下返回零结果，从而导致 AI 模型错误地声称信息不在文档中。在 pgvector 0.8 中调整 `hnsw.ef_search` 并使用 `hnsw.iterative_scan = relaxed_order` 显著提高了检索计数，而对于非常小的租户，直接精确扫描比使用向量索引更有效。 AI
影响 强调了 RAG 系统实现中潜在的陷阱，并着重指出了仔细配置索引和验证检索的必要性。
排序理由 该条目详细说明了在用于 AI 应用的数据库扩展中遇到的一个具体技术问题及其解决方案。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
