Python基础（FAISS和Chroma）
1. 索引与查询性能
| 指标 | FAISS | Chroma | 分析 |
|---|---|---|---|
| 索引构建速度 | 72.4秒（5551个文本块） | 91.59秒（相同数据集） | FAISS的底层优化（如PQ量化）加速索引构建，适合批量数据处理。 |
| 查询延迟 | 1.81秒（50次查询） | 2.18秒（50次查询） | FAISS的混合索引（PQ+HNSW）提升检索效率，尤其在大规模向量搜索中优势显著 |
| GPU支持 | ✅ 支持GPU加速，十亿级向量毫秒响应 | ❌ 仅CPU优化，依赖HNSW算法 | FAISS的GPU加速使其在高并发、超大规模场景（如推荐系统）具备绝对优势 |
2. 准确性与稳定性
| 场景 | FAISS表现 | Chroma表现 |
|---|---|---|
| Top-1检索 | 上下文准确率更高（实验召回率领先） | 准确率略低，50问中5次结果差异，4次FAISS正确 |
| 多文档检索 | Top-k增至3/6时，F1值稳定（0.95→0.97） | F1值显著下降（0.91→0.73） |
| 算法确定性 | ✅ 结果确定（标准化距离+固定随机种子） | ❌ 部分结果波动（HNSW近似算法导致） |