zvec

项目概述

Zvec 是一个开源的进程内向量数据库，轻量且速度快，设计目标是直接嵌入应用：不启服务、不改配置，装好 SDK 几秒内就能开始检索。它在阿里巴巴集团内部经过大规模生产验证，能在毫秒级完成数十亿向量的相似度搜索，并提供 HNSW、DiskANN、IVF 等多种索引，从内存到磁盘可伸缩。除向量检索外还内置关键词全文检索，可把向量相似度、全文检索和结构化过滤融合在同一条查询里。

嵌入即用的向量检索：纯本地、无服务、无配置。

主要功能

• 毫秒级大规模检索：面向数十亿向量优化，搜索延迟毫秒级
• 稠密与稀疏向量：支持稠密、稀疏嵌入与多向量查询，索引类型从内存到磁盘可伸缩
• 全文检索：原生关键词全文搜索，可用自然语言或结构化表达式查询字符串字段
• 混合查询：向量相似度、全文检索、结构化过滤在一条查询中融合，结果更精准
• 持久化保障：预写日志（WAL）保证进程崩溃或断电后数据不丢
• 并发读取：多进程可同时读同一集合，写入单进程独占
• 随处运行：作为进程内库，笔记本、服务器、CLI 工具甚至边缘设备都能跑

适用人群

• 构建 RAG 与语义搜索的开发者
• LLM 应用与 Agent 记忆系统开发者
• 需要本地嵌入式检索的工程师
• 推荐系统与相似度搜索开发者

快速上手

1. 安装 Python SDK：pip install zvec（需 64 位 Python 3.10-3.14）
2. 定义 schema 并创建集合，插入文档
3. 用向量执行相似度查询：

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]}),
])
results = collection.query(
    zvec.Query(field_name='embedding', vector=[0.4, 0.3, 0.3, 0.1]),
    topk=10,
)

4. 其他语言 SDK：Node.js 用 npm install @zvec/zvec，Go / Rust / Dart 参见官方文档

核心优势

• 零运维：无服务、无配置，库直接嵌入应用随代码部署
• 生产级验证：在阿里巴巴内部大规模场景长期使用
• 索引可伸缩：从内存 HNSW 到磁盘 DiskANN，按数据规模选型
• 多语言生态：Python、Node.js、Go、Rust、Dart/Flutter 官方 SDK 全覆盖

系统要求

注意事项

• 写入单进程独占：多进程并发只针对读，同一集合的写操作需单进程持有
• 源码构建：本仓库为 C++ 核心，应用层一般通过各语言 SDK 使用，自行编译参见官方构建指南