选择支持后过滤的向量数据库时，您可以考虑以下几点来做决策：
性能和准确性：确保选择的向量数据库能够高效地处理大规模的向量数据集，同时保持查询准确性。
支持的向量检索算法：了解数据库是否支持常见的向量检索算法，如余弦相似度、L2距离等，以满足您的具体需求。
可扩展性：考虑数据库的可扩展性，以便能够轻松地处理不断增长的向量数据集。
部署简易性：选择易于部署和管理的向量数据库，以降低运维成本。
开源与商业支持：根据您的需求和预算考虑选择开源或者商业支持的向量数据库，以获得更好的技术支持。
一些流行的支持后过滤的向量数据库包括Milvus、FAISS、Annoy等，适合不同的使用场景。综合考虑以上因素，您可以更好地选择适合您需求的向量数据库。