权限过滤与ANN召回

过滤改变了正确答案的集合

企业查询通常带tenant、部门、客户事项、日期和资料类型约束。ANN应寻找授权子集内的最近邻，而不是先找全库最近邻再删除不可见结果。后者可能让top-k不足，甚至把真正相关但不在全库前列的授权资料完全漏掉。

pgvector官方说明近似索引扫描之后应用过滤可能减少结果，并提供iterative scans继续扫描直到达到条件或上限。Qdrant、Milvus、Elastic和Weaviate采用不同过滤与搜索机制，不能仅根据都支持HNSW就认为过滤质量相同。

小集合未必该走近似搜索

过滤可能留下全库10%、1%或极少资料。条件还可能与语义分布相关或反相关，多个AND过滤会进一步改变图的可达性。对非常小的授权子集，exact scan可能更简单；对大集合则需要近似索引和适当搜索参数。具体切换由实际数据与执行计划决定。

基准真值应在授权子集内计算exact kNN，再与近似结果比较；这衡量索引近似误差，与人工标注的语义相关性Recall是两个指标。即使近似召回完美，embedding仍可能认为错误资料最相近，不能把两种质量混成一个分数。

同时验证隔离与尾延迟

按选择率、tenant规模、冷暖缓存和更新并发分桶，记录实际返回数量、exact overlap、p95以及扫描工作量。共享索引中一个热租户可能影响其他租户性能，分区可以改善隔离，却增加分区管理与跨域检索成本。

验收不能通过取消过滤来达到延迟目标。若预算不足，应缩小范围、采用经过验证的exact策略或说明证据不足。返回得快且结果数量够，不等于找到了正确授权证据；安全和检索质量都要独立检查。