orneryd/NornicDB

解决的问题

NornicDB 解决了需要为图关系、向量相似性和历史或审计数据分别使用不同系统的问题。它将图遍历、向量搜索和时间版本控制（MVCC）结合到一个数据库引擎中，因此 AI 工作负载（如代理记忆和 Graph-RAG）无需拼接多个存储。

工作原理

它提供兼容 Neo4j 的 Cypher 和 Bolt 协议，这意味着现有的 Neo4j 驱动程序和应用程序只需少量修改即可连接。内部采用混合执行模型，为常见查询提供形状优化的快速路径，并为完整的 Cypher 覆盖提供通用执行器。它包含无扫描器的递归下降解析器、通过 MVCC 实现快照隔离以支持历史读取，以及用于审计友好变更跟踪的规范图账本。向量搜索使用 HNSW 索引，并支持 GPU 加速路径（Metal、CUDA、Vulkan），通过融合向量和 BM25 结果并可选重排序来支持混合检索。内置功能允许您定义知识层评分的衰减和提升配置文件，并根据嵌入相似性、共同访问模式和时间邻近性自动创建关系。

目标用户

面向构建代理记忆系统、Graph-RAG 管道、带时间事实的知识图谱，或任何需要在单一数据库中实现图遍历、语义搜索和可审计性的应用程序的开发者和团队。它特别针对当前同时运行 Neo4j 和 Qdrant 并希望整合的用户，以及需要图结构和向量检索的 AI 原生工作负载。

亮点

• 兼容 Neo4j：使用现有驱动程序即可使用 Bolt 和 Cypher
• 在一个引擎中结合图、向量和时间（MVCC）
• 混合检索：向量 + BM25 融合，可选重排序
• GPU 加速执行路径（Metal、CUDA、Vulkan）用于语义工作负载
• 通过配置文件内置知识层衰减和提升策略
• 基于嵌入相似性和共同访问自动创建关系
• 基准测试结果：在 Northwind 上，平均查询延迟比 Neo4j 低 413 倍；通过插入顺序优化，HNSW 构建速度约快 2.7 倍；在 UCLouvain CPS 研究中执行速度快 2.2 倍
• 兼容 Qdrant gRPC，便于迁移