Agent 引擎版通过 DiskBBQ 降低大规模向量检索的内存开销，并通过 Sliced DiskBBQ 让查询聚焦目标租户、知识库或代码仓库。两者结合，既能减少为大量向量预留内存的压力，又能减少单次查询读取和计算无关数据的开销。
DiskBBQ：降低向量规模增长带来的内存压力
DiskBBQ 是磁盘原生向量索引能力，通过向量量化和面向磁盘的检索方式，降低对常驻内存的依赖。对于持续增长的文档和向量库，可以减少为低频向量长期预留内存的成本，将资源更多用于活跃查询。
普通索引和 Collection 都可以使用 DiskBBQ，适合向量数据规模较大、需要控制内存成本的业务。
Sliced DiskBBQ：按业务空间缩小向量访问范围
Sliced DiskBBQ 是 DiskBBQ 面向 Slice 的增强。系统根据目标 Slice 定位向量数据，在选定业务空间内查找近邻，减少对无关 Slice 的向量读取和距离计算。大量知识库共用底层索引时，单个知识库的查询仍可聚焦自身数据，适合“业务空间很多、每次只查询少量空间”的应用。
按租户、知识库或代码仓库检索时，由应用指定 Slice；已完成离线聚类的业务，也可以通过向量簇召回先选择候选 Slice，再在其中检索。业务空间的组织方式见按租户或知识库管理数据。
两者的向量字段均配置 index_options.type=bbq_disk。使用 Collection 并选择 Slice 范围后，系统采用对应的 Slice 检索路径；字段和查询参数见向量字段与 KNN。
适用场景与取舍
DiskBBQ 和 Sliced DiskBBQ 提供近似近邻检索。扩大搜索范围通常有利于召回，也会增加计算和读取开销；如果业务要求严格的精确近邻结果，应选择精确检索方式。
使用有代表性的业务向量和查询集评估召回率、延迟与资源消耗，确定合适的搜索范围。冷热查询应分别测试，测试条件与延迟数据见功能概述的性能参考。
后续步骤
在普通索引上完成创建、写入与查询：完整示例。
按租户组织数据并查询：快速入门：按租户或知识库检索。