选择易用的开源向量数据库需要考虑一些关键因素，包括性能、易用性、社区支持等。以下是一些建议的开源向量数据库：
Milvus（https://github.com/milvus-io/milvus）：Milvus是一个高性能的向量数据库，支持多种索引类型，易于使用并且有活跃的社区支持。
Faiss（https://github.com/facebookresearch/faiss）：Faiss是由Facebook开发的向量数据库库，具有高效的搜索和内存使用，虽然它是一个库而不是一个完整的数据库系统，但可以作为一个强大的向量检索工具。
Annoy（https://github.com/spotify/annoy）：Annoy是一个C++库，专门用于近似最近邻搜索，具有易用性和高性能的特点。
NMSLIB（https://github.com/nmslib/nmslib）：NMSLIB是一个快速、可扩展的非度量空间相似性搜索库，具有支持多种距离度量的特性。
不同的项目适合不同的使用场景，您可以根据自己的需求和技术栈选择合适的开源向量数据库。在选择过程中，可以参考它们的文档、社区活跃程度、性能指标等方面的信息。