#相似度搜索

Vearch是一个提供云原生分布式向量数据库的开源项目，专注于实现嵌入向量的高效相似性搜索。支持混合搜索与标量过滤，具备从百万对象中毫秒级别检索的高性能。同时，Vearch还具备复制和弹性扩展的能力。提供的文档资源包括Restful API、OpenAPI和多语言SDK，适用于构建可视化搜索系统和作为AI内存后端。

USearch是一个开源的单文件相似性搜索引擎,专注于向量和文本搜索。该引擎比FAISS性能提升10倍,支持多种编程语言和平台。USearch提供SIMD优化和自定义度量功能,具有高内存效率,可从磁盘直接查看大型索引。它兼容多种数据库,适用于语义搜索、聚类等场景,为向量搜索提供了灵活高效的解决方案。

AutoFaiss是一个开源工具，用于自动创建高效的Faiss近邻搜索索引。该工具根据内存和查询速度限制，自动选择最佳索引参数，以获得最高召回率。AutoFaiss能处理大规模数据集，在有限内存下构建高效索引，实现毫秒级查询。它提供Python API和命令行接口，支持内存和磁盘上的嵌入向量，并可与PySpark集成进行分布式索引构建。

Vectra是Node.js环境下的本地向量数据库，功能类似Pinecone和Qdrant，但采用本地文件存储方式。该项目主要用于处理小型静态数据集，具备元数据索引和相似度排序查询功能。Vectra特点在于快速加载和迅速查询响应，适合应用于提示工程和少样本学习等AI场景。此外，Vectra支持跨语言操作，可与Python等语言绑定协同工作。

Snapvault是创新AI截图管理工具，将图像转化为可操作洞察。提供AI摘要生成、相似度搜索和智能对话功能，助力高效管理视觉信息。未来将推出标签系统、共享集合和团队协作空间，打造全方位视觉信息管理解决方案。

all-MiniLM-L6-v2模型的ONNX版本是一个用于文本分类和相似度搜索的工具。该模型与Qdrant兼容，支持IDF修饰符，并可通过FastEmbed库进行推理。它能生成文本嵌入向量，适用于多种自然语言处理任务，尤其在需要进行文本相似度比较的场景中表现优异。使用该模型可以简化文本处理流程，提高相关应用的效率。

该项目提供了BAAI/bge-base-en-v1.5模型的量化ONNX版本，专注于文本嵌入和相似度搜索。通过FastEmbed库，用户可以轻松生成文本嵌入并进行相似度计算。量化后的模型在保持原有性能的基础上，显著提升了推理速度和资源效率，适用于需要高效文本处理的各种应用场景。

Splade_PP_en_v1是一个文本分类和相似度搜索模型的ONNX实现版本。模型基于FastEmbed框架运行，可将输入文本转换为稀疏向量表示，适用于文本检索和相似度计算。项目支持Python API接口调用，可进行批量文本处理，采用Apache-2.0开源许可证。

gte-large-onnx是thenlper/gte-large模型的ONNX移植版本，用于文本分类和相似度搜索任务。该模型与FastEmbed框架集成，支持通过API调用生成文本嵌入向量，实现批量文本处理。基于Apache-2.0许可证开源，可用于构建文本相似度检索和文档分类等应用