Unduh memista - Unduh Kode Sumber memista

memista

Kode sumber lainnya

1.0.0

Unduh

Memista: Layanan Pencarian Vektor Kinerja Tinggi

Memista adalah layanan pencarian vektor berkinerja tinggi yang ditulis dalam karat yang menyediakan HTTP API sederhana untuk menyimpan dan mengambil potongan teks dengan embeddings vektor terkait. Ini menggabungkan SQLite untuk penyimpanan metadata dengan USEARCH untuk pencarian kesamaan vektor yang efisien.

Fitur

Pencarian kesamaan vektor cepat menggunakan USEARCH
Penyimpanan Potongan Teks dan Metadata yang Bertahan di Sqlite
Beberapa dukungan database melalui partisi database_id
Dokumentasi OpenAPI dengan beberapa opsi UI (Swagger, Redoc, Rapidoc)
Dapat dikonfigurasi melalui variabel lingkungan
Async I/O untuk kinerja tinggi

Titik akhir API

POST /V1 /INSERT

Masukkan potongan teks dengan embeddings mereka ke dalam database yang ditentukan.

POST /V1 /Cari

Cari potongan serupa menggunakan embeddings vektor.

Hapus /v1 /drop

Jatuhkan basis data tertentu dan indeks vektor terkait.

Konfigurasi

Layanan dapat dikonfigurasi menggunakan variabel lingkungan:

DATABASE_PATH : path ke file database sqlite (default: "memista.db")
SERVER_HOST : Alamat host untuk mengikat ke (default: "127.0.0.1")
SERVER_PORT : port untuk mendengarkan (default: 8083)
LOG_LEVEL : Level logging (default: "info")

Awal yang cepat

Pasang karat dan kargo
Kloning repositori ini
Buat file .env dengan konfigurasi Anda (opsional)
Jalankan server:

cargo run

Server akan dimulai dan dokumentasi API akan tersedia di:

Swagger UI: http: // localhost: 8083/Swagger
Redoc: http: // localhost: 8083/redoc
Rapidoc: http: // localhost: 8083/rapidoc
OpenAPI JSON: http: // localhost: 8083/openapi.json

Contoh penggunaan

Masukkan potongan

curl -X POST http://localhost:8083/v1/insert 
  -H " Content-Type: application/json " 
  -d ' {
    "database_id": "my_db",
    "chunks": [{
      "embedding": [0.1, 0.2],
      "text": "Sample text",
      "metadata": "{"source": "document1"}"
    }]
  } '

Cari potongan

curl -X POST http://localhost:8083/v1/search 
  -H " Content-Type: application/json " 
  -d ' {
    "database_id": "my_db",
    "embeddings": [[0.1, 0.2]],
    "num_results": 5
  } '