#向量搜索

pgvecto.rs

pgvecto.rs是一个Postgres扩展，提供超低延迟、高精度的向量相似搜索功能，支持稀疏向量和全文本搜索。该扩展由Rust编写，基于pgrx框架，具备完整的SQL支持和异步索引等特性，简化数据管理并提升性能。支持FP16/INT8数据类型和二进制向量索引，是生产环境中集成前沿模型的理想选择。

MyScaleDB

MyScaleDB是一个基于ClickHouse改进的SQL向量数据库，专为开发者设计，提供亲和的SQL操作界面，协助构建高度可扩展的AI应用。这个数据库完全兼容SQL，且具备出色的执行效率和可扩展性，能处理结构化数据、文本、向量、JSON以及地理空间数据等多种数据类型，轻松应对从小型到亿级规模的数据管理需求。

chatgpt-pgvector

chatgpt-pgvector是一款基于OpenAI嵌入式API与pgvector数据库技术的AI聊天应用，通过将文本数据转换为向量并执行向量搜索，有效提高了在专业领域的问答准确性与相关性。该项目利用Nextjs和Supabase平台，优化用户体验并增强聊天应用的整体功能。

marqo

Marqo 作为全面的端到端向量搜索引擎，不仅实现文本和图像内容的矢量化处理及检索，更支持最新机器学习模型。其简洁的API设计允许开发者轻松实行多样的语义搜索操作，且无需独立处理数据嵌入问题。Marqo 的云服务部署有效降低响应时间，同时提供可伸缩的计算资源、持续可靠的服务及全时技术支持。

vectordb

VectorDB是一款简单轻量的本地嵌入模型文本检索工具，具有低延迟和小内存占用的特点，广泛应用于Kagi Search的AI功能。通过自动分块和嵌入搜索，VectorDB在完全本地运行的情况下提供了高效的内容过滤和检索功能。用户可以通过简单的代码示例快速加载数据并进行检索，还可根据需求选择不同的嵌入模型和分块策略，以适应多种应用场景。

embedditor

Embedditor是一款开源嵌入预处理编辑器，简便如微软Word，帮助编辑GPT/LLM嵌入，优化向量搜索并显著降低嵌入和存储成本。提高检索内容的关联性和准确性，支持自动化预处理，去除噪音信息和常用词汇。特性包括添加元数据、标记和筛选嵌入部分，提供美观的HTML标记和多种文件格式保存。本地部署，最大化数据控制并降低30%成本。

denser-retriever

Denser Retriever是一款企业级AI检索工具，融合关键词搜索、向量数据库与机器学习重排功能，并通过xgboost技术优化。其在MTEB基准测试中表现出色，支持端到端应用，包括聊天机器人和语义搜索。项目支持Python安装，推荐使用Anaconda配置，附有详细文档和开发指南。

redis-arXiv-search

基于Redis Vector Search技术，实现高效的arXiv论文语义搜索。项目结合FastAPI、React和Docker等技术，并支持HuggingFace、OpenAI和Cohere的向量嵌入模型。用户只需简单设置，即可通过本地或云端的Redis部署轻松运行和定制该应用。

superduper

superduper.io 是一个强大的Python框架，专门为现有数据库直接集成人工智能模型、API 和向量搜索引擎而设计。此平台支持实时数据处理、可扩展的模型训练和简化的Python接口，使得 AI 集成变得简单高效。无需重复数据迁移，即可在您信赖的数据库中进行多模态向量搜索，以及存储和管理AI模型的输入输出。探索如何通过少量代码实现高级AI功能，并通过社区支持和丰富的文档资源加速您的AI项目。