alibaba/zvec

📚 什麼是 Zvec？

Zvec 是由阿里巴巴開發的 開源、進程內向量資料庫。它讓您能儲存嵌入（密集或稀疏），並在應用程式內部直接執行超快速的相似性搜尋——無需外部伺服器，也無需複雜部署。它還內建原生全文搜尋與混合查詢，可將向量相似性、關鍵字比對與結構化篩選融合於單一查詢中。

⭐ 核心功能（如 README 所述）

閃電般快速的 ANN 搜尋 – 使用多種索引類型（HNSW、IVF‑RaBitQ、PQ‑INT8 等），可在毫秒內查詢數十億向量。
密集與稀疏嵌入 – 支援 FP32 向量與稀疏表示，以及多向量查詢。
混合搜尋 – 在單一查詢中融合向量相似性、全文搜尋（BM25/N‑gram）與結構化篩選。
持久化儲存 – 透過預寫日誌（WAL）確保系統崩潰後資料仍可持久保留。
並行讀取 – 多個進程可同時讀取一個集合；寫入僅限單一進程獨佔。
跨平台 – 支援 Linux（x86_64 & ARM64，glibc & musl）、macOS（Intel & Apple‑silicon）與 Windows。Android 與 iOS 也提供預建 SDK。
語言 SDK – Python、Node.js、Go、Rust、Dart/Flutter。
CLI 與 UI 工具 – zvec-grep（本地優先搜尋 CLI）與 Zvec Studio（視覺化瀏覽器/除錯器）。

🚀 快速入門（來自 README 的 Python 範例）

import zvec

schema = zvec.CollectionSchema(
    name="example",
    vectors=zvec.VectorSchema("embedding", zvec.DataType.VECTOR_FP32, 4),
)

collection = zvec.create_and_open(path="./zvec_example", schema=schema)

collection.insert([
    zvec.Doc(id="doc_1", vectors={"embedding": [0.1, 0.2, 0.3, 0.4]}),
    zvec.Doc(id="doc_2", vectors={"embedding": [0.2, 0.3, 0.4, 0.1]}),
])

results = collection.query(
    zvec.Query(field_name="embedding", vector=[0.4, 0.3, 0.3, 0.1]),
    topk=10,
)
print(results)  # → [{'id': str, 'score': float, ...} 的清單]

此程式碼片段展示了如何定義集合、插入幾個向量，並在幾行程式碼內執行相似性查詢。

📦 安裝

語言	命令
Python	`pip install zvec`（Python 3.10–3.14，64 位）
Node.js	`npm install @zvec/zvec`
Go	使用 `github.com/zvec-ai/zvec-go` 的綁定
Rust	`cargo add zvec-rust`
Dart/Flutter	`flutter pub add zvec`

為所有主要作業系統/CPU 組合提供預建的動態函式庫，專案亦可從原始碼建置（詳見文件）。

📈 性能與基準測試

README 中突出展示了一張基準圖像，顯示 1,000 萬向量集合的延遲在毫秒級別。詳細方法與結果可於線上 Benchmarks 文件中查閱。

🤝 誰可能使用 Zvec？

需要本地向量儲存以進行檢索增強生成、聊天機器人記憶或語意搜尋的 LLM 驅動應用。
無法運行獨立伺服器的 邊緣或行動應用；進程內函式庫可輕鬆部署於裝置上。
希望在無網路開銷下實現快速相似性查找的 資料科學筆記本。
需要在單一查詢中同時實現關鍵字比對與嵌入相似性的 混合搜尋工作負載。

🌐 社群與貢獻

官方文件、快速入門指南與基準頁面托管於 zvec.org。
社群管道：Discord、釘釘、微信、X（Twitter）帳號。
歡迎透過標準 GitHub 工作流程貢獻；提供 CONTRIBUTING 指南。

📌 總結

Zvec 是一個生產級、進程內向量資料庫，結合高速 ANN 搜尋、全文功能與持久化儲存，並為主要程式語言提供即用型 SDK。專為希望將向量搜尋直接嵌入應用的開發者設計——無論是在伺服器、筆記本還是邊緣裝置上，都無需管理獨立資料庫服務。