orama

orama

全方位搜索引擎解决方案,支持多设备多接口使用

Orama提供全文本、向量和混合搜索功能,适用于浏览器、服务器、移动应用和边缘设备,并且体积小于2KB。主要功能包括向量搜索、混合搜索、筛选器、地理搜索、字段提升、容错和精确匹配。通过插件系统,用户可以扩展功能,支持30种语言的词干提取和标记。Orama易于安装和使用,文档详细并有社区支持,是理想的轻量级搜索解决方案。

Orama搜索引擎向量搜索混合搜索GeosearchGithub开源项目
<p align="center"> <img src="https://raw.githubusercontent.com/askorama/orama/main//misc/readme/orama-readme-dark.png#gh-dark-mode-only" /> <img src="https://raw.githubusercontent.com/askorama/orama/main//misc/readme/orama-readme-light.png#gh-light-mode-only" /> </p> <h4 align="center"> <a href="https://askorama.ai?utm_source=github">网站</a> • <a href="https://askorama.ai/blog?utm_source=github">博客</a> • <a href="https://docs.askorama.ai?utm_source=github">文档</a> • <a href="https://orama.to/slack">社区Slack</a> </h4> <br /> <p align="center"> 具有独特API的全文、向量和混合搜索。<br /> 可在您的浏览器、服务器、移动应用或边缘设备上运行。<br /> 仅需不到2kb。 </p> <br /> <p align="center" style="margin-top:5px;margin-bottom:35px"> <img src="https://raw.githubusercontent.com/askorama/orama/main//misc/readme/orama-readme-runtime-dark.png#gh-dark-mode-only" /> <img src="https://raw.githubusercontent.com/askorama/orama/main//misc/readme/orama-readme-runtime-light.png#gh-light-mode-only" /> </p>

测试 NPM下载量 jsDelivr点击量(npm) npm包大小

加入Orama的Slack频道

如果您需要更多信息、帮助或想提供有关Orama的一般反馈,请加入 Orama Slack频道

主要特性

安装

您可以使用npmyarnpnpmbun安装Orama:

npm i @orama/orama

或者直接在浏览器模块中导入:

<html> <body> <script type="module"> import { create, search, insert } from 'https://unpkg.com/@orama/orama@latest/dist/index.js' // ... </script> </body> </html>

使用Deno时,您可以使用相同的CDN URL或使用npm说明符:

import { create, search, insert } from 'npm:@orama/orama'

完整文档请访问https://docs.askorama.ai

使用方法

Orama使用起来相当简单。首先需要创建一个新的数据库实例并设置索引模式:

import { create, insert, remove, search, searchVector } from '@orama/orama' const db = await create({ schema: { name: 'string', description: 'string', price: 'number', embedding: 'vector[1536]', // 向量大小必须在模式初始化时指定 meta: { rating: 'number', }, }, })

Orama目前支持10种不同的数据类型:

类型描述示例
string字符串'Hello world'
number数值,可以是浮点数或整数42
boolean布尔值true
enum枚举值'drama'
geopoint地理坐标点{ lat: 40.7128, lon: 74.0060 }
string[]字符串数组['red', 'green', 'blue']
number[]数值数组[42, 91, 28.5]
boolean[]布尔值数组[true, false, false]
enum[]枚举值数组['comedy', 'action', 'romance']
vector[<size>]用于执行向量搜索的数值向量[0.403, 0.192, 0.830]

Orama只会索引模式中指定的属性,但允许您在需要时设置和存储额外的数据。

创建数据库实例后,您可以开始添加一些文档:

await insert(db, { name: '无线耳机', description: '体验这款噪音消除无线耳机带来的身临其境的音质。', price: 99.99, embedding: [...], meta: { rating: 4.5, }, }) await insert(db, { name: '智能LED灯泡', description: '使用这款节能智能LED灯泡控制家中的照明,兼容大多数智能家居系统。', price: 24.99, embedding: [...], meta: { rating: 4.3, }, }) await insert(db, { name: '便携式充电器', description: '使用这款小巧快速充电的便携式充电器,在外出时永不断电。', price: 29.99, embedding: [...], meta: { rating: 3.6, }, })

插入数据后,您就可以开始查询数据库了。

const searchResult = await search(db, { term: '耳机', })

在上面的例子中,您将搜索所有包含"耳机"一词的文档,查找模式中指定的每个string属性:

{ elapsed: { raw: 99512, formatted: '99μs', }, hits: [ { id: '41013877-56', score: 0.925085832971998432, document: { name: '无线耳机', description: '体验这款噪音消除无线耳机带来的身临其境的音质。', price: 99.99, meta: { rating: 4.5 } } } ], count: 1 }

您还可以将查找限制在特定属性上:

const searchResult = await search(db, { term: '身临其境的音质', properties: ['description'], })

结果:

{ elapsed: { raw: 21492, formatted: '21μs', }, hits: [ { id: '41013877-56', score: 0.925085832971998432, document: { name: '无线耳机', description: '体验这款噪音消除无线耳机带来的身临其境的音质。', price: 99.99, meta: { rating: 4.5 } } } ], count: 1 }

您可以使用非字符串数据来过滤分组和创建分面

const searchResult = await search(db, { term: '身临其境的音质', where: { price: { lte: 199.99 }, rating: { gt: 4 } }, })

执行混合和向量搜索

Orama是一个全文和向量搜索引擎。这使您可以根据特定用例采用不同的搜索范式。

要执行向量或混合搜索,您可以使用与全文搜索相同的search方法。

您只需指定要执行向量搜索的属性,以及用于执行向量相似度的向量:

const searchResult = await searchVector(db, { mode: 'vector', // 或 'hybrid' vector: { value: [...], // 用作输入的OpenAI嵌入或类似向量 property: 'embedding' // 要搜索的属性。向量搜索时必填 } })

如果你正在使用Orama安全AI代理(强烈推荐),你可以在搜索时跳过向量配置,因为官方的Orama安全AI代理插件会自动为你处理:

import { create } from '@orama/orama' import { pluginSecureProxy } from '@orama/plugin-secure-proxy' const secureProxy = secureProxyPlugin({ apiKey: '<你的公共API密钥>', defaultProperty: 'embedding', // 执行向量和混合搜索的默认属性 model: 'openai/text-embedding-ada-002' // 用于生成嵌入的模型 }) const db = await create({ schema: { name: 'string', description: 'string', price: 'number', embedding: 'vector[1536]', meta: { rating: 'number', }, }, plugins: [secureProxy] }) const resultsHybrid = await search(db, { mode: 'vector', // 或 'hybrid' term: '适合对冰淇淋充满热情的小孩子的电子游戏', where: { price: { lte: 19.99 }, 'meta.rating': { gte: 4.5 } } })

执行地理搜索

Orama支持将地理搜索作为搜索过滤器。它将搜索通过schema中指定为geopoint的所有属性:

import { create, insert } from '@orama/orama' const db = await create({ schema: { name: 'string', location: 'geopoint' } }) await insert(db, { name: '米兰大教堂', location: { lat: 45.46409, lon: 9.19192 } }) await insert(db, { name: '大教堂广场', location: { lat: 45.46416, lon: 9.18945 } }) await insert(db, { name: '皇家小广场', location: { lat: 45.46339, lon: 9.19092 } }) const searchResult = await search(db, { term: '大教堂', where: { location: { // 我们想要过滤的属性 radius: { // 我们想要应用的过滤器(在这种情况下:"radius") coordinates: { // 中心坐标 lat: 45.4648, lon: 9.18998 }, unit: 'm', // 测量单位。默认为"m"(米) value: 1000, // 半径长度。在这种情况下,1公里 inside: true // 我们是否想返回半径内或半径外的文档。默认为"true" } } } })

Orama地理搜索API支持基于距离的搜索(通过radius)或基于多边形的搜索(通过polygon)。

默认情况下,Orama将使用Haversine公式来执行地理搜索,但可以通过在radiuspolygon配置中传递highPrecision选项来启用高精度搜索。这将告诉Orama使用Vicenty公式,它对于更长距离的计算更精确。

官方文档中阅读更多内容。

官方文档

完整文档请访问https://docs.askorama.ai

官方Orama插件

编写你自己的插件:https://docs.askorama.ai/open-source/plugins/writing-your-own-plugins

许可证

Orama采用Apache 2.0许可证。

编辑推荐精选

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
DeepEP

DeepEP

DeepSeek开源的专家并行通信优化框架

DeepEP是一个专为大规模分布式计算设计的通信库,重点解决专家并行模式中的通信瓶颈问题。其核心架构采用分层拓扑感知技术,能够自动识别节点间物理连接关系,优化数据传输路径。通过实现动态路由选择与负载均衡机制,系统在千卡级计算集群中维持稳定的低延迟特性,同时兼容主流深度学习框架的通信接口。

DeepSeek

DeepSeek

全球领先开源大模型,高效智能助手

DeepSeek是一家幻方量化创办的专注于通用人工智能的中国科技公司,主攻大模型研发与应用。DeepSeek-R1是开源的推理模型,擅长处理复杂任务且可免费商用。

问小白

问小白

DeepSeek R1 满血模型上线

问小白是一个基于 DeepSeek R1 模型的智能对话平台,专为用户提供高效、贴心的对话体验。实时在线,支持深度思考和联网搜索。免费不限次数,帮用户写作、创作、分析和规划,各种任务随时完成!

AI主流办公工具有哪些办公热门AI 助手
KnowS

KnowS

AI医学搜索引擎 整合4000万+实时更新的全球医学文献

医学领域专用搜索引擎整合4000万+实时更新的全球医学文献,通过自主研发AI模型实现精准知识检索。系统每日更新指南、中英文文献及会议资料,搜索准确率较传统工具提升80%,同时将大模型幻觉率控制在8%以下。支持临床建议生成、文献深度解析、学术报告制作等全流程科研辅助,典型用户反馈显示每周可节省医疗工作者70%时间。

Windsurf Wave 3

Windsurf Wave 3

Windsurf Editor推出第三次重大更新Wave 3

新增模型上下文协议支持与智能编辑功能。本次更新包含五项核心改进:支持接入MCP协议扩展工具生态,Tab键智能跳转提升编码效率,Turbo模式实现自动化终端操作,图片拖拽功能优化多模态交互,以及面向付费用户的个性化图标定制。系统同步集成DeepSeek、Gemini等新模型,并通过信用点数机制实现差异化的资源调配。

AI IDE
腾讯元宝

腾讯元宝

腾讯自研的混元大模型AI助手

腾讯元宝是腾讯基于自研的混元大模型推出的一款多功能AI应用,旨在通过人工智能技术提升用户在写作、绘画、翻译、编程、搜索、阅读总结等多个领域的工作与生活效率。

AI助手AI对话AI工具腾讯元宝智能体热门 AI 办公助手
Grok3

Grok3

埃隆·马斯克旗下的人工智能公司 xAI 推出的第三代大规模语言模型

Grok3 是由埃隆·马斯克旗下的人工智能公司 xAI 推出的第三代大规模语言模型,常被马斯克称为“地球上最聪明的 AI”。它不仅是在前代产品 Grok 1 和 Grok 2 基础上的一次飞跃,还在多个关键技术上实现了创新突破。

OmniParser

OmniParser

帮助AI理解电脑屏幕 纯视觉GUI元素的自动化解析方案

开源工具通过计算机视觉技术实现图形界面元素的智能识别与结构化处理,支持自动化测试脚本生成和辅助功能开发。项目采用模块化设计,提供API接口与多种输出格式,适用于跨平台应用场景。核心算法优化了元素定位精度,在动态界面和复杂布局场景下保持稳定解析能力。

OmniParser界面解析交互区域检测Github开源项目
流畅阅读

流畅阅读

AI网页翻译插件 双语阅读工具,还原母语级体验

流畅阅读是一款浏览器翻译插件,通过上下文智能分析提升翻译准确性,支持中英双语对照显示。集成多翻译引擎接口,允许用户自定义翻译规则和快捷键配置,操作数据全部存储在本地设备保障隐私安全。兼容Chrome、Edge、Firefox等主流浏览器,基于GPL-3.0开源协议开发,提供持续的功能迭代和社区支持。

AI翻译AI翻译引擎AI翻译工具
下拉加载更多