降低 HNSW 索引的 efSearch 参数是减少 RAG 检索延迟最直接的方法，适用于对召回率要求不极端的场景。调整该参数无需重建索引，但过低会导致检索准确率下降。

命令速用版

HNSW 参数通常在向量数据库客户端或配置文件中进行调整，无需系统级命令。以下是常见向量库的参数调整示例，直接修改搜索请求中的参数即可生效。

# Milvus 搜索参数示例
search_params = {
    "metric_type": "L2",
    "params": {"ef": 64}  # 对应 efSearch，默认通常较高，可适当调低
}

# Qdrant 搜索参数示例
search_result = client.search(
    collection_name="my_collection",
    query_vector=vector,
    limit=10,
    params={"hnsw_ef": 64}  # 控制搜索时的候选节点数
)

# Faiss 索引设置示例
index.hnsw.efSearch = 64  # 直接修改索引对象的搜索参数

为什么会这样

HNSW 检索延迟主要取决于搜索过程中遍历的节点数量，efSearch 直接控制这一数量。

HNSW 算法通过构建多层导航图来实现近似最近邻搜索。在搜索阶段，算法需要维护一个动态候选列表，efSearch 定义了该列表的大小。数值越大，算法遍历的节点越多，找到更精确邻居的概率越高，但计算耗时随之增加。公开资料中没有看到可靠的量化数据表明固定数值能适用于所有场景，因为延迟与数据分布、维度及硬件性能强相关。

分步处理

优化过程应遵循“先软调参，后重建索引”的原则，避免不必要的计算资源消耗。

步骤 1：确认当前瓶颈
检查监控系统，确认延迟峰值出现在向量检索环节而非网络 IO 或重排序环节。若检索耗时占总延迟比例较低，优化 HNSW 参数效果有限。

步骤 2：调整 efSearch 参数
在业务代码或数据库配置中，将 efSearch（部分库称为 ef 或 hnsw_ef）调整为当前值的 50% 或更低。此操作无需重启服务或重建索引，通常立即生效。

步骤 3：评估召回率影响
使用标准测试集验证调整后的召回率（Recall）。若召回率下降在业务可接受范围内（例如从 99% 降至 95%），则保留该配置。

步骤 4：调整 M 参数（可选）
若调整 efSearch 后延迟仍不达标，可考虑减小构建参数 M。注意修改 M 或 efConstruction 必须重建索引，适用于数据更新频率低的场景。

怎么验证是否生效

通过监控面板的延迟分位值和业务侧的召回测试双重验证优化效果。

1. 延迟监控
观察向量数据库监控面板中的 p99 检索耗时。若 efSearch 调整生效，该曲线应出现明显下降趋势。

2. 日志检查
部分向量数据库会在查询日志中记录实际使用的参数和扫描节点数。检查日志确认搜索请求是否携带了新的参数值。

3. 业务验证
抽样检查 RAG 生成的回答质量。若检索延迟降低但回答相关性无明显恶化，说明优化成功。

常见坑

参数调整涉及检索质量与速度的平衡，错误操作可能导致业务效果不可逆下降。

• 混淆构建与搜索参数：efConstruction 仅用于索引构建，修改它不会直接影响搜索延迟，除非重建索引。
• 过度降低 efSearch：将 efSearch 设置得过低（如小于 topK 值）会导致算法无法找到足够的邻居，直接报错或返回结果极少。
• 忽略内存占用：增大 M 参数会显著增加索引内存占用，可能导致内存溢出，需结合硬件资源评估。

常见问题

efSearch 和 efConstruction 有什么区别？

efConstruction 用于建索引时控制构建质量和速度，efSearch 用于查询时控制检索精度和延迟。

修改 M 参数需要重建索引吗？

需要。M 是索引结构的核心参数，修改后必须重新执行索引构建流程才能生效。

降低 efSearch 会影响召回率吗？

会。降低 efSearch 会减少搜索范围，通常会降低召回率，需要在延迟和精度之间做权衡。

参考来源

• 来源名：arXiv
  页面标题：Efficient and Robust Approximate Nearest Neighbor Search Using Hierarchical Navigable Small World Graphs
  URL：https://arxiv.org/abs/1603.09320