tinyvector

---

特征

• Tiny ：名称。从字面上看，这只是轴服务器。非常易于自定义，大约600行代码。
• 快速：在小型到中型数据集上，TinyVector的速度应与高级矢量数据库具有可比的速度，并且准确性稍好。
• 垂直尺度：TinyVector将所有索引存储在内存中以进行快速查询。毫无疑问，易于扩展至1亿+矢量尺寸。
• 开源：麻省理工学院许可，永远免费。

很快

• 强大的查询：允许通过提供的向量元数据过滤，而不会减慢搜索的速度。
• 集成模型：很快您就不必带上自己的向量，只需在服务器上生成它们即可。旨在支持支持Sbert，拥抱面部模特，Openai，Cohere等。
• Typescript/Python库：应该能够使用随附的OpenAPI模式自动生成相当好的客户。

入门

？ Docker

我们提供一个轻巧的码头容器，您可以在任何地方运行。只需一个命令即可启动并运行最新的更改：

docker run 
  -p 8000:8000 
  ghcr.io/m1guelpf/tinyvector:edge

请注意，当通过Docker组成或Kubernetes运行时，请确保将音量绑定到/tinyvector/storage以持续。这是在上面命令中自动处理的。

从头开始建造

您可以通过运行cargo install tinyvector （您可能需要先安装Rust）。然后，运行tinyvector以启动服务器。

您还可以通过克隆回购并运行cargo build --release重新释放）并使用./target/release/tinyvector运行它来构建它。

为什么要使用tinyvector？

大多数矢量数据库都是简单设置的过度杀伤。例如：

• 使用嵌入式与您的文档聊天。大多数文档搜索都距离您需要使用HNSW或FAISS加速搜索速度合理的范围。
• 搜索您的网站或商店。除非您出售1,000,000件商品，否则不需要松果。

？嵌入？

嵌入是一种通过将文本转换为少数数字列表来比较类似事物的类似事物的方法。类似的文本将具有相似的数字，不同的数字具有非常不同的数字。

阅读Openai的解释。

致谢

• Will Depue的TinyVector（Python+Sqlite+Numpy）启发了我从头开始构建矢量数据库（并借用名称）。还将为优化性能做出很多想法。

？执照

该项目是根据MIT许可证开源的。有关更多信息，请参见许可证文件。