选择支持后过滤的向量数据库时，可以考虑以下几点：
数据类型和结构：确认向量数据库支持的向量数据类型和数据结构，以确保能够存储和处理您的数据。
查询性能：检查向量数据库对于支持后过滤查询的性能，包括查询速度、准确性和扩展性。
支持的过滤方法：确定向量数据库支持的过滤方法，例如余弦相似度、欧氏距离等，以确保符合您的需求。
索引结构：了解向量数据库的索引结构，例如是否支持向量索引和高效的检索算法。
数据规模和容量：根据您的数据规模和容量需求，选择适合的向量数据库，确保能够支持您的数据存储和查询需求。
社区支持和文档资料：选择拥有活跃社区支持和完善文档资料的向量数据库，以便在使用过程中能够及时解决问题和获得支持。
综合考虑以上因素，可以选择适合的支持后过滤的向量数据库来满足您的需求。常见的支持后过滤的向量数据库包括Milvus、Faiss等。