前言
Redis 早已不再局限于缓存中间件，正在演进为面向 AI 应用的实时数据基础设施。
时至 2026 年，Redis 的 AI 生态布局已经全面落地：多层次向量检索、原生 VectorSets 向量类型、LangCache 语义缓存、Redis Iris 智能体上下文引擎共同构成一套完整的 AI 能力矩阵。两条差异化的向量底层架构是整个体系的基石，也是理解 Redis AI 路线的关键。
一、两套向量核心架构对比
架构1：Redis Query Engine（传统向量检索，原RediSearch）
架构原理
向量并不独立存储，向量字段嵌入Hash或JSON文档中，开发者主动创建二级索引，索引内部支持FLAT、HNSW、SVS‑VAMANA三类ANN算法，能够同时完成向量相似度检索、全文检索、标签/数值过滤，实现向量+文本+元数据混合检索，是企业RAG知识库的首选方案。
- 数据载体：Hash / JSON
- 使用方式：
FT.CREATE建立索引，FT.SEARCH、FT.HYBRID执行检索 - 优势：多条件过滤、全文与向量融合、支持聚合运算
- 短板：需要提前定义Schema、手动维护索引，纯相似度召回场景较重
- 特点：文档与索引分离；适合向量 + 全文 + 标签混合检索
加入时间与版本迭代
- Redis Stack 7.2（RediSearch 2.8，2023年）
首次正式引入向量KNN检索，支持FLAT、HNSW索引，以独立模块方式运行，原生开源Redis无法直接加载，必须使用Redis Stack发行包，开启了Redis向量时代。 - Redis Stack7.4（2024年）
新增BFLOAT16/FLOAT16半精度向量类型，大幅降低向量内存占用；引入SVS‑VAMANA向量索引，支持向量量化压缩，大规模向量存储成本显著下降。 - Redis8.0 GA（2025‑05‑01发布）
重大架构变革：RediSearch正式更名Redis Query Engine ，由外部模块并入Redis内核，官方标准版开箱即用，不再需要MODULE LOAD加载，向量能力成为原生能力，无需依赖Stack发行包。
重要说明：8.0版本中Query Engine向量能力为正式GA，VectorSets仅为Beta测试状态。
- Redis8.2（2025‑08）
完善SVS‑VAMANA索引，优化8bit标量量化，相比HNSW节省26%~37%内存，适合海量向量部署场景。 - Redis8.4（2025‑11）
新增FT.HYBRID混合检索命令，支持向量相似度得分与全文关键词得分融合排序（RRF/线性加权），真正实现一站式混合检索，补齐RAG混合召回短板。
架构2：VectorSets（原生向量集合，Redis8新增）
架构原理
全新原生数据类型，与String、List、ZSet同级，向量是集合的一等公民，内置HNSW图索引，索引由Redis自动维护，不需要定义Schema、手动建索引。提供极简API，专注纯向量相似度召回，不擅长复杂多条件过滤，定位轻量化语义检索、语义缓存、短期记忆、推荐召回场景。
- 数据载体：独立VectorSet结构
- 使用方式：
VADD写入向量，VSIM相似度检索，8.2增加VSETATTR绑定属性实现简单过滤 - 优势：极简API、免索引维护、运维成本低、适合高频向量召回
- 短板：复杂过滤、全文检索能力弱，无法替代Query Engine
加入时间与版本迭代
- Redis8.0（2025‑05‑01，GA版Beta）
首次发布VectorSets，仅基础VADD/VSIM命令，属性过滤能力缺失，不建议生产环境使用。 - Redis8.2（2025‑08）
增加VSETATTR，向量条目可挂载JSON属性，支持简单过滤，稳定性大幅提升，达到生产可用标准，是VectorSets落地首选版本。 - Redis8.4（2025‑11）
优化向量量化、集群分片并行检索，提升亿级向量吞吐。
关键结论：两套架构不是取代关系，而是互补。复杂文档知识库选Query Engine；轻量语义缓存、Agent短期记忆、相似度召回选择VectorSets。
二、上层AI组件（非内核新增命令，属于官方应用套件）
1. LangCache 语义缓存
底层复用VectorSets或Query Engine向量检索，不再做字符串精确匹配，对用户Question做Embedding，实现语义级缓存命中，相似问题直接返回LLM历史结果，减少大模型调用次数、降低Token成本。
- 发布时间：2025年春季官宣
- 依赖底座：Redis8+向量能力，配套官方SDK RedisVL
- 定位：LLM缓存加速层
2. Redis Iris AI Agent上下文引擎（2026年5月发布）
整套面向智能体的一站式解决方案，建立在Redis8内核向量、JSON、Streams之上，包含五大组件：Agent Memory（长短双层记忆）、LangCache语义缓存、Context Retriever检索器、RDI数据同步引擎、Redis Search向量检索。
- 短期记忆：Redis Streams/List存储会话对话历史
- 长期记忆：VectorSets/Query Engine保存用户偏好、历史事实、知识库
- 能力：解决Agent长上下文丢失、外部数据陈旧、检索繁琐等痛点
注意：Iris和LangCache不属于Redis内核新增向量命令，是官方上层产品/SDK封装，需要Redis8及以上版本作为运行底座。
三、完整时间线汇总
我没法直接生成图片文件，下面整理成适合做成时间线图表的文本版，你复制到PPT/ProcessOn/绘图工具一键生成时间轴。
Redis向量能力演进时间线
| 时间 | 版本/产品 | 向量重要改动 | 架构说明 |
|---|---|---|---|
| 2023 | Redis Stack7.2（RediSearch2.8） | 首次增加FLAT、HNSW向量KNN检索 | 独立模块，Hash/JSON文档二级索引（Query Engine前身） |
| 2024 | Redis Stack7.4 | FP16/BF16向量、SVS‑VAMANA索引、向量量化 | 模块形态，优化内存与大规模向量性能 |
| 2025‑05‑01 | Redis8.0 GA | RediSearch并入内核→Redis Query Engine(GA) VectorSets原生向量集合（Beta） 发布LangCache语义缓存 | 两套向量架构并存：文档索引+原生向量类型；LangCache属于上层SDK组件 |
| 2025‑08 | Redis8.2 | VectorSets增加VSETATTR属性过滤，SVS量化完善 | VectorSets达到生产可用，轻量化纯向量召回 |
| 2025‑11 | Redis8.4 | 新增FT.HYBRID混合检索，集群优化 | Query Engine成熟，向量+关键词融合召回，适配RAG知识库 |
| 2026‑05 | Redis Iris套件 | Agent双层记忆、RAG检索、LangCache整合 | 上层AI应用套件，不修改内核，依赖Redis8向量底座 |
四、选型建议
- RAG知识库、文档检索、需要标签过滤+全文检索 → Redis8+ Query Engine
- LLM语义缓存、简单相似度召回、推荐、短期记忆 → Redis8.2+ VectorSets + RedisVL LangCache
- AI智能体，会话记忆、长期记忆、实时外部数据检索一体化 → Redis8 + Redis Iris