制造业企业建设 AI 知识库时,最先碰到的工程决策不是选大模型,而是选向量存储:图纸说明、工艺文件、SOP、质量记录、设备手册最终都要切片、向量化后存进某个检索底座。这个组件选错了,轻则检索延迟高、过滤能力不足,重则整套入库流程推倒重做。本文给出一个可复现的判定框架,并附可直接运行的检索示例代码。
一、三个候选组件的定位差异
FAISS 是 Facebook AI Research 开源的向量检索库,C++ 核心、Python 绑定。它本质是一个库而不是数据库:不带服务进程、不管理元数据、不负责持久化运维,IndexFlatIP、IndexIVFFlat、HNSW 等索引类型由开发者自行选择。适合把检索能力嵌入自研程序、对性能有极致要求、且愿意自己维护元数据映射的团队。
Chroma 是开源嵌入式向量数据库,pip 单包安装,PersistentClient 指定目录即落盘持久化,自带元数据存储与 where 条件过滤,支持 cosine、l2 等距离度量。它的定位类似向量检索领域的 SQLite:单机、零运维、随应用启停,适合十万级切片以内的企业知识库场景。
Milvus 是面向生产环境的分布式向量数据库,以独立服务形态部署(standalone 起步,可扩展到集群),支持多种索引类型、标量过滤与混合检索,原生暴露监控指标。适合多厂区、集团化、向量量级达到千万到亿级、需要高可用与横向扩展的组织。
三者并非单纯的竞品,而是三种不同的工程形态:FAISS 是拿来嵌入的检索内核,Chroma 是拿来即用的单机数据库,Milvus 是需要规划部署的检索服务。形态差异决定了运维成本、过滤能力与扩展上限,也决定了下面四个判定条件的权重排序。
二、制造业知识库的四个判定条件
条件一:先估算切片规模。切片数约等于文档页数乘以每页 2 至 4 个切片。一家中型制造企业的工艺文件、SOP、质量记录与设备手册合计,通常落在数万到数十万切片量级,手工估算即可,不需要精确到个位。这个数字直接决定候选范围。
条件二:元数据过滤是否为硬需求。制造业检索几乎必须带条件:文档版本、现行或作废状态、所属车间、适用机型。Chroma 与 Milvus 原生支持元数据过滤;FAISS 则需要在外层自建 id 到元数据的映射并做后过滤,工程量不容忽视。只要存在版本与生效状态管理需求,这一条就是强权重。
条件三:盘点运维能力。没有专职运维的中小企业,优先嵌入式方案,让向量库随知识库应用一起启停;有 IT 部门且多个系统需要共用同一个向量服务时,独立部署的 Milvus 才开始体现价值。
条件四:预留扩展路径。先单机后分布式是可行路线,前提是入库时就把元数据结构设计规范:文档编号、版本、状态、部门、机型五类字段在第一天就定下来,后续迁移只需导出向量与元数据重灌,不需要重做切片。
三、带现行版过滤的检索示例
以下代码基于 Chroma 演示制造业最常见的查询模式:只检索某车间、现行版本的工艺文件,可直接运行。
from chromadb import PersistentClient
client = PersistentClient(path='./mfg_kb')
col = client.get_or_create_collection(
name='process_docs',
metadata={'hnsw:space': 'cosine'}
)
res = col.query(
query_texts=['注塑机锁模压力异常 处理步骤'],
n_results=5,
where={'$and': [
{'line': {'$eq': 'A2'}},
{'status': {'$eq': 'current'}}
]}
)
for doc, meta, dist in zip(
res['documents'][0],
res['metadatas'][0],
res['distances'][0]):
print(round(1 - dist, 3), meta['doc_no'],
meta['version'], doc[:50])向量库只决定检索的下限与运维成本,检索质量的上限由切片粒度与嵌入模型决定。不要用选型工作推迟文档治理:版本不清、现行版不明,换任何数据库都查不准。
四、给中小制造企业的默认建议
结论式归纳:单厂区、十万切片以内、无专职运维,默认选 Chroma;追求极致召回性能、元数据简单且有研发人力维护映射,选 FAISS;多厂区或集团化、向量过亿、要求高可用,从 Milvus standalone 起步。任何选型都建议先用两周做小规模验证:真实文档切出五千切片入库,跑五十条员工真实问题,对比召回质量与响应延迟,用数据定案而不是用参数表定案。
如果贵司希望以更低的试错成本落地制造业知识库,可以参考上邦的私有 AI 知识库方案(https://aiwork.shangbon.com/ai-rag.html),其中包含向量库选型、图纸与工艺类文档解析、版本权限分级的完整实施路径。
参考来源
Chroma Clients 官方文档(PersistentClient 持久化客户端) - docs.trychroma.com;FAISS 官方仓库与 Wiki(索引类型与使用指南) - github.com/facebookresearch/faiss;Milvus 官方文档(部署模式与混合检索) - milvus.io。