doc: add more vector index options

zh_CN/vector-search/vector-index.md

@@ -79,6 +79,21 @@ CREATE TABLE `t` (
 PARTITION BY HASH (`sid`) PARTITIONS 1
 ```
 
+### 配置
+
+创建向量索引时支持以下配置项：
+
+- `type`：向量索引类型，可以指定为 IVF_PQ、IVF_RQ、HNSW、HNSW_PQ 等任一我们所支持的索引类型。
+- `distance`：距离函数，可以指定为 l2、cosine、dot。注意，如果选择 RQ 量化，不允许将距离函数设置为 cosine。
+- `num_cells`：适用于 IVF 类索引，使用 `num_cells` 指定向量簇的数量。数量越多，搜索越快，但是构建索引时间更长、召回率越低。默认为 32。
+- `num_sub_vectors`：适用于 PQ 量化，使用 `num_sub_vectors` 指定子向量的个数。数量越多，压缩率越高，但是构建索引时间更长、召回率更低。默认为 32。
+- `num_bits`：适用于 PQ 量化，使用 `num_bits` 指定使用多少个 bits 来表示一个向量子空间中的质心。 `num_bits` 越大，压缩率越低、召回率更高，但是构建索引时间更长。目前仅支持设置为 8。
+- `max_level`：适用于 HNSW 类索引，使用 `max_level` 指定 HNSW 层数。层数越大，查询越快，但是构建索引时间更长。默认为 7。
+- `m`：适用于 HNSW 类索引，使用 `m` 指定每个节点可连接的最大邻居数量。 `m` 越大，召回率越高，但是索引构建时间更长、查询更慢。默认为 10。
+- `ef_construction`：适用于 HNSW 类索引，使用 `ef_construction` 指定 HNSW 构建过程中考虑连接的候选邻居数量。该参数越高，召回率越高，但是索引构建时间更长。默认为 50。
+
+我们建议用户根据向量维度、数据集大小来设置以上配置项。
+
 ## 示例
 
 我们提供了一个 Python 脚本，展示如何使用向量索引来加速向量检索。这个脚本执行的步骤如下：