向量数据库作为AI驱动型应用的重要组件，其索引架构选择直接影响系统性能。主流向量索引结构包括基于图结构的索引和倒排索引。图索引具有参数配置简单、无需预训练的优点，但存在内存消耗高、构建耗时长、动态更新支持不足的缺陷。倒排索引凭借构建效率高、内存占用少、支持增量更新的特性，更适用于海量数据应用场景，但其参数配置复杂、依赖训练过程、动态扩展性受限。针对倒排索引的局限性，本文提出参数自适应 IVFPQ 静态索引以解决参数配置复杂的问题，同时设计基于图索引转向倒排索引动态迁移的 HNSW_IVFPQ索引，有效解决倒排索引预训练依赖与动态性差的问题。