Milvus / Chroma / pgvector / Elasticsearch 怎么选？

要看几个维度：数据规模、是否需要分布式、团队运维能力、是否已有相关技术栈、要不要混合检索。粗略地说：pgvector 适合已有 PostgreSQL 且百万级以内，装个扩展就能用，零额外运维；Qdrant 单二进制部署，性能好、元数据过滤强，适合中等规模；Milvus 适合亿级和真正需要分布式的场景，但依赖组件多、运维重；Chroma 适合原型验证，不建议上生产；Elasticsearch 适合团队已有 ES 栈、BM25 底子厚的情况。

补四层：

先讲两个真实反面案例（这比罗列参数有说服力）：一种是「重装上阵」——项目刚立项就上 Milvus 集群，知识库才两万条，团队一半精力耗在维护依赖组件上；另一种是「轻装冒进」——Chroma 跑了半年原型，数据涨到三百万条，某天延迟从 80ms 飙到 2 秒，单机索引内存放不下，扩容只能整库重建。两种坑的根子一样：选型时只看「能不能跑起来」，没看「这条路能走多远」。

把运维成本摆到台面：「部署复杂度」最容易被低估——它不是「装起来几步」，而是长期运维负担。Chroma 是进程内嵌库，坏了重启即可；Qdrant 一个 docker run 就能起；Milvus 通常要拉起元数据存储、对象存储、消息队列等多个依赖，任何一个挂了整个集群受影响，排障链路长一个量级。所以选型前先问自己：团队里有没有人愿意长期盯这套分布式系统的告警？

迁移成本没想象中高（重要的反直觉点）：embedding 结果是确定性的，换库不需要重新计算向量，导出向量和元数据重新写入即可，百万级通常半小时内完成。所以「先用简单的，顶不住再迁」是合理策略——前提是别拖到三百万条才想起来。

混合检索能力是 2026 年的关键筛选项：Qdrant、Milvus、Weaviate、Elasticsearch 都原生支持；pgvector 要手动组合向量与全文检索；Chroma 不支持——这也是不建议它上生产的重要原因之一。Milvus 2.5+ 内置 BM25 全文检索，一个库就能做完混合检索，省掉维护两套系统。