2 篇博文 含有标签「选型」

上一篇开源 RAG 知识库横评里我实测了 14 个 RAG 平台的默认向量库，留下一个没展开的问题：这些向量库本身怎么选？

这篇补上。做四件事：先分类（它们不是同一类东西）→ 用两个独立数据源回答「企业实际在用哪些」（结论和赛道热度是反的）→ 逐家拆解 19 个方案 → 两张表讲清真正的技术分水岭（过滤+ANN、量化）。

文中 star、协议、版本、容器数均为 2026-09-20 实测：GitHub API + LICENSE 原文 + docker-compose + PyPI 下载量。厂商自测的性能数字一律单独标注。凡我没能从一手来源核实的，直接写「未证实」——这次有好几处，包括一整个云厂商。

上一篇聊了 RAG 的现状与那条「像素方案」，那是「技术面」。这篇落到选型：中小企业想私有一部署一套 RAG 知识库，市面上这十几个开源项目到底怎么挑。

这篇做四件事：先把它们分类（它们根本不在一个赛道）→ 逐家拆解（含停更避坑区）→ 一张实测横评表 → 三个必须读 LICENSE 原文的坑。文中的 star 数、协议原文、最新版本、容器数全部是 2026-09-19 用 GitHub API 与 docker-compose 原文实测，不是二手转述；一手核不到的地方我直接标注「未证实」。

一句话先给结论：要编排能力 → Dify；要文档解析精度 → RAGFlow；要最省运维 → MaxKB；要开箱即用 → AnythingLLM；要把知识库嵌进现有系统 → AnythingLLM / LightRAG 这类「引擎」而不是「平台」。