README_CN.md
Zvec 是一款开源的嵌入式(进程内)向量数据库 — 轻量、极速,可直接嵌入应用程序。以极简的配置提供生产级、低延迟、可扩展的向量检索能力。
[!IMPORTANT] 🚀 v0.4.0(2026 年 5 月 9 日)
- Dart/Flutter SDK:发布官方 zvec Flutter 包,提供 Dart/Flutter FFI 绑定,支持 Android(arm64-v8a)和 iOS(arm64),无需手动编译原生库。
- iOS 构建支持:新增 iOS 平台构建支持,进一步扩展跨平台覆盖范围。
- 扩大 topK 上限:放宽 topK 结果数量上限,支持更大规模的召回场景。
- 修复:SQ8 量化器召回率下降问题;Windows 路径处理修复;稀疏向量索引顺序修复。
环境要求:Python 3.10 - 3.14
pip install zvec
npm install @zvec/zvec
如需从源码构建 Zvec,请参考源码构建指南。
import zvec
# 定义 collection schema
schema = zvec.CollectionSchema(
name="example",
vectors=zvec.VectorSchema("embedding", zvec.DataType.VECTOR_FP32, 4),
)
# 创建 collection
collection = zvec.create_and_open(path="./zvec_example", schema=schema)
# 插入 documents
collection.insert([
zvec.Doc(id="doc_1", vectors={"embedding": [0.1, 0.2, 0.3, 0.4]}),
zvec.Doc(id="doc_2", vectors={"embedding": [0.2, 0.3, 0.4, 0.1]}),
])
# 向量相似度检索
results = collection.query(
zvec.VectorQuery("embedding", vector=[0.4, 0.3, 0.3, 0.1]),
topk=10
)
# 查询结果:按相关性排序的 {'id': str, 'score': float, ...} 列表
print(results)
Zvec 提供极致的速度和效率,能够轻松应对高要求的生产环境负载。
有关具体的测试方法、配置及完整结果,请参阅性能报告。
| 💬 钉钉群 | 📱 微信群 | 🎮 Discord | X (Twitter) |
|---|---|---|---|
| 扫码加入 | 扫码加入 | 点击加入 | 点击关注 |
非常欢迎来自社区的每一份贡献!无论是修复 Bug、新增功能,还是完善文档,都将让 Zvec 变得更好。
请查阅我们的贡献指南开始参与!