#数据库

Awesome Clojure是一个全面的Clojure开源项目和工具库集合。涵盖Web框架、数据库、构建工具、测试框架等多个开发领域，为Clojure开发者提供丰富的资源选择。项目内容持续更新，反映Clojure生态系统的最新动态，适合各层级的Clojure开发者参考使用。

该项目深入探讨人工智能长期记忆技术中的向量搜索和数据库应用。课程内容涵盖向量搜索的理论基础和实际实现，包括文本和图像嵌入、低维向量搜索、降维技术、近似最近邻搜索、聚类和量化等关键主题。由Pinecone创始人Edo Liberty和FAISS主要开发者Matthijs Douze等行业专家主讲，为学习者提供全面而专业的向量搜索知识。

elasticsearch-dsl-py是一个基于官方低级客户端构建的Python高级库，旨在简化Elasticsearch查询的编写和执行。该库提供了更便捷的方式来编写和操作查询，紧密贴合Elasticsearch JSON DSL的术语和结构。它还包含一个可选的文档处理包装器，支持将文档作为Python对象进行操作，包括定义映射、检索和保存等功能。elasticsearch-dsl-py兼容多个Elasticsearch版本，并提供了丰富的示例和详细文档供参考。

buku提供命令行界面管理书签,构建个人文本网络。主要功能包括浏览器书签导入、自动抓取网页信息、编辑器操作、多种搜索选项、失效链接快照等。采用可携带合并的数据库,保护用户隐私。此外还有图形界面和浏览器插件等扩展项目。

typesense-go是Typesense搜索引擎的官方Go客户端库，提供创建管理集合、文档操作、全文搜索等核心功能。支持多节点配置、断路器等高级特性，以及类型安全的文档操作。该库使Go开发者能够方便地集成Typesense，实现高效的搜索功能。

Typesense是一款高性能、容错的开源搜索引擎，专注于提供卓越的搜索体验。它具有简单易用的API、智能默认配置和丰富功能，包括拼写错误容忍、实时搜索、地理搜索和向量搜索等。Typesense部署简便、易于扩展，支持多种编程语言，适合各种规模的应用。作为Algolia和ElasticSearch的替代方案，Typesense为开发者提供了快速实现高质量搜索功能的选择。

PostgREST是一款专为PostgreSQL数据库设计的开源工具，可自动生成完整的RESTful API。它提供清晰、标准化且高效的接口，比手动编写API更具优势。PostgREST具备身份验证、版本控制和自动文档生成等功能，同时确保数据完整性和安全性。该工具以出色的性能和适应性著称，适用于构建各类数据驱动的应用程序。

countries-states-cities-database是一个综合全球地理信息数据库，包含250个国家、5,084个州/地区和150,573个城市的详细数据。该项目支持JSON、MySQL等多种格式，并提供API接口。数据定期更新，确保准确性。作为开源项目，它为开发者和研究人员提供了宝贵的地理数据资源。

PokéAPI 是一个开源的宝可梦数据 RESTful API，支持 GraphQL 查询。它提供丰富的宝可梦信息，包括宝可梦基本信息、技能、进化链等数据，支持多种编程语言的包装器，并可通过 Docker 和 Kubernetes 快速部署。该 API 每月处理超过 10 亿次请求，广受开发者欢迎。

pg_graphql是PostgreSQL的开源扩展，为数据库提供原生GraphQL支持。它自动将SQL架构转换为GraphQL架构，实现高效、一致的查询解析。该扩展允许所有支持PostgreSQL连接的编程语言通过GraphQL查询数据库，无需额外配置。pg_graphql简化了GraphQL API的构建过程，提高了开发效率。

SQLpage是一款SQL驱动的Web应用构建工具,让数据专业人员无需Web编程知识即可快速开发数据应用。支持多种数据库,提供丰富组件,简化数据可视化和交互流程。

Parse Server是一个开源后端框架，适用于Node.js环境。它可与Express框架配合，用于扩展现有应用或独立部署。该框架支持MongoDB和PostgreSQL数据库，提供实时查询和GraphQL API功能，有助于开发可扩展的后端服务。

利用该平台，将Notion数据库转换为客户门户、会员网站和目录等，支持无代码构建，连接账号即可快速开始，非常适合需自定义功能的用户。

Fabloq提供低代码解决方案，通过友好的流程图界面快速构建REST API，内置数据库和仪表盘，支持高效的数据管理与应用集成，专注于功能开发而无需编写复杂代码。

Prem-1B-SQL是由Prem AI研发的本地化Text-to-SQL模型。拥有10亿参数，适合低GPU和量化后的CPU设备，强调数据本地储存以防数据外泄。模型在BirdBench和Spider基准数据集上的准确率分别为51.54%和85%。通过PremSQL开源库，用户可定制数据集、强化执行和评估，支持错误处理和自动修正，实现数据分析流程一体化。Prem-1B-SQL具备出色的集成和微调能力，适用于多种数据分析场景，保障查询转换的安全、准确和高效。

土耳其BERTurk模型由德国巴伐利亚州立图书馆的MDZ团队开发，并得到土耳其NLP社区的支持。此无标记BERT模型使用包含土耳其语OSCAR语料库、维基百科、OPUS语料库及Kemal Oflazer提供的语料进行训练，总语料量为35GB。模型在Google的TPU v3-8上通过TensorFlow Research Cloud训练了200万步，词汇量为128k，目前支持PyTorch-Transformers。