选择支持后过滤的向量数据库时，您可以考虑以下几点：
性能表现：选择性能优秀的向量数据库，包括检索速度、存储效率和处理查询的能力。
支持的数据类型：确保向量数据库支持您要存储和查询的数据类型，如向量、图片、文本等。
支持的算法：查看向量数据库是否支持您需要的相似度计算算法，如余弦相似度、欧氏距离等。
可扩展性：考虑未来的需求，选择具有良好可扩展性的向量数据库，以应对数据规模的增长。
易用性：选择易于部署和维护的向量数据库，有完善的文档和支持，以便更好地应用和管理。
根据以上因素，您可以对比不同的支持后过滤的向量数据库，选择最适合您需求的数据库进行使用。常见的一些向量数据库包括Milvus、Faiss、Annoy等。