[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-alibaba--zvec":3,"tool-alibaba--zvec":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":109,"forks":110,"last_commit_at":111,"license":112,"difficulty_score":113,"env_os":114,"env_gpu":115,"env_ram":115,"env_deps":116,"category_tags":120,"github_topics":121,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":131,"updated_at":132,"faqs":133,"releases":154},2607,"alibaba\u002Fzvec","zvec","A lightweight, lightning-fast, in-process vector database","zvec 是一款轻量级、极速的进程内向量数据库，专为直接嵌入应用程序而设计。它基于阿里巴巴经过大规模生产验证的 Proxima 搜索引擎构建，旨在解决传统向量数据库部署复杂、延迟高以及需要独立服务器维护的痛点。\n\n对于需要在本地应用、边缘设备或快速原型中实现高效语义搜索的开发者与研究人员而言，zvec 提供了极简的解决方案。用户无需配置复杂的服务器集群，只需通过 Python 或 Node.js 安装包即可在几秒钟内启动向量检索功能，真正实现了“开箱即用”。\n\n其核心技术亮点在于毫秒级处理十亿级向量的卓越性能，并原生支持稠密与稀疏向量的混合检索。这意味着开发者可以在单次调用中结合语义相似度与结构化过滤条件，获得更精准的搜索结果。此外，作为进程内库，zvec 能运行在任何代码可执行的环境中，从数据科学笔记本到命令行工具均可灵活部署。无论是构建 AI 助手、推荐系统还是进行算法实验，zvec 都能以低门槛和高性能助力项目快速落地。","\u003Cdiv align=\"center\">\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Fzvec.oss-cn-hongkong.aliyuncs.com\u002Flogo\u002Fgithub_log_2.svg\" \u002F>\n    \u003Cimg src=\"https:\u002F\u002Fzvec.oss-cn-hongkong.aliyuncs.com\u002Flogo\u002Fgithub_logo_1.svg\" width=\"400\" alt=\"zvec logo\" \u002F>\n  \u003C\u002Fpicture>\n\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fcodecov.io\u002Fgithub\u002Falibaba\u002Fzvec\">\u003Cimg src=\"https:\u002F\u002Fcodecov.io\u002Fgithub\u002Falibaba\u002Fzvec\u002Fgraph\u002Fbadge.svg?token=O81CT45B66\" alt=\"Code Coverage\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Factions\u002Fworkflows\u002F01-ci-pipeline.yml\">\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Factions\u002Fworkflows\u002F01-ci-pipeline.yml\u002Fbadge.svg?branch=main\" alt=\"Main\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-Apache%202.0-blue.svg\" alt=\"License\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fpypi.org\u002Fproject\u002Fzvec\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fzvec.svg\" alt=\"PyPI Release\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fpypi.org\u002Fproject\u002Fzvec\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.10%20~%203.14-blue.svg\" alt=\"Python Versions\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002F@zvec\u002Fzvec\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002F@zvec\u002Fzvec.svg\" alt=\"npm Release\"\u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Ftrendshift.io\u002Frepositories\u002F20830\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Falibaba_zvec_readme_4a68feb902da.png\" alt=\"alibaba%2Fzvec | Trendshift\" style=\"width: 250px; height: 55px;\" width=\"250\" height=\"55\"\u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fzvec.org\u002Fen\u002Fdocs\u002Fquickstart\u002F\">🚀 \u003Cstrong>Quickstart\u003C\u002Fstrong> \u003C\u002Fa> |\n  \u003Ca href=\"https:\u002F\u002Fzvec.org\u002Fen\u002F\">🏠 \u003Cstrong>Home\u003C\u002Fstrong> \u003C\u002Fa> |\n  \u003Ca href=\"https:\u002F\u002Fzvec.org\u002Fen\u002Fdocs\u002F\">📚 \u003Cstrong>Docs\u003C\u002Fstrong> \u003C\u002Fa> |\n  \u003Ca href=\"https:\u002F\u002Fzvec.org\u002Fen\u002Fdocs\u002Fbenchmarks\u002F\">📊 \u003Cstrong>Benchmarks\u003C\u002Fstrong> \u003C\u002Fa> |\n  \u003Ca href=\"https:\u002F\u002Fdeepwiki.com\u002Falibaba\u002Fzvec\">🔎 \u003Cstrong>DeepWiki\u003C\u002Fstrong> \u003C\u002Fa> |\n  \u003Ca href=\"https:\u002F\u002Fdiscord.gg\u002FrKddFBBu9z\">🎮 \u003Cstrong>Discord\u003C\u002Fstrong> \u003C\u002Fa> |\n  \u003Ca href=\"https:\u002F\u002Fx.com\u002FZvecAI\">🐦 \u003Cstrong>X (Twitter)\u003C\u002Fstrong> \u003C\u002Fa>\n\u003C\u002Fp>\n\n**Zvec** is an open-source, in-process vector database — lightweight, lightning-fast, and designed to embed directly into applications. Built on **Proxima** (Alibaba's battle-tested vector search engine), it delivers production-grade, low-latency, scalable similarity search with minimal setup.\n\n## 💫 Features\n\n- **Blazing Fast**: Searches billions of vectors in milliseconds.\n- **Simple, Just Works**: [Install](#-installation) and start searching in seconds. No servers, no config, no fuss.\n- **Dense + Sparse Vectors**: Work with both dense and sparse embeddings, with native support for multi-vector queries in a single call.\n- **Hybrid Search**: Combine semantic similarity with structured filters for precise results.\n- **Runs Anywhere**: As an in-process library, Zvec runs wherever your code runs — notebooks, servers, CLI tools, or even edge devices.\n\n## 📦 Installation\n\n### [Python](https:\u002F\u002Fpypi.org\u002Fproject\u002Fzvec\u002F)\n\n**Requirements**: Python 3.10 - 3.14\n\n```bash\npip install zvec\n```\n\n### [Node.js](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002F@zvec\u002Fzvec)\n\n```bash\nnpm install @zvec\u002Fzvec\n```\n\n### ✅ Supported Platforms\n\n- Linux (x86_64, ARM64)\n- macOS (ARM64)\n\n### 🛠️ Building from Source\n\nIf you prefer to build Zvec from source, please check the [Building from Source](https:\u002F\u002Fzvec.org\u002Fen\u002Fdocs\u002Fbuild\u002F) guide.\n\n## ⚡ One-Minute Example\n\n```python\nimport zvec\n\n# Define collection schema\nschema = zvec.CollectionSchema(\n    name=\"example\",\n    vectors=zvec.VectorSchema(\"embedding\", zvec.DataType.VECTOR_FP32, 4),\n)\n\n# Create collection\ncollection = zvec.create_and_open(path=\".\u002Fzvec_example\", schema=schema)\n\n# Insert documents\ncollection.insert([\n    zvec.Doc(id=\"doc_1\", vectors={\"embedding\": [0.1, 0.2, 0.3, 0.4]}),\n    zvec.Doc(id=\"doc_2\", vectors={\"embedding\": [0.2, 0.3, 0.4, 0.1]}),\n])\n\n# Search by vector similarity\nresults = collection.query(\n    zvec.VectorQuery(\"embedding\", vector=[0.4, 0.3, 0.3, 0.1]),\n    topk=10\n)\n\n# Results: list of {'id': str, 'score': float, ...}, sorted by relevance\nprint(results)\n```\n\n## 📈 Performance at Scale\n\nZvec delivers exceptional speed and efficiency, making it ideal for demanding production workloads.\n\n\u003Cimg src=\"https:\u002F\u002Fzvec.oss-cn-hongkong.aliyuncs.com\u002Fqps_10M.svg\" width=\"800\" alt=\"Zvec Performance Benchmarks\" \u002F>\n\nFor detailed benchmark methodology, configurations, and complete results, please see our [Benchmarks documentation](https:\u002F\u002Fzvec.org\u002Fen\u002Fdocs\u002Fbenchmarks\u002F).\n\n## 🤝 Join Our Community\n\n\u003Cdiv align=\"center\">\n\nStay updated and get support — scan or click:\n\n\u003Cdiv align=\"center\">\n\n| 💬 DingTalk | 📱 WeChat | 🎮 Discord | X (Twitter) |\n| :---: | :---: | :---: | :---: |\n| \u003Cimg src=\"https:\u002F\u002Fzvec.oss-cn-hongkong.aliyuncs.com\u002Fqrcode\u002Fdingding.png\" width=\"150\" alt=\"DingTalk QR Code\"\u002F> | \u003Cimg src=\"https:\u002F\u002Fzvec.oss-cn-hongkong.aliyuncs.com\u002Fqrcode\u002Fwechat.png?v=4\" width=\"150\" alt=\"WeChat QR Code\"\u002F> | [![Discord](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Join%20Server-5865F2?style=for-the-badge&logo=discord&logoColor=white)](https:\u002F\u002Fdiscord.gg\u002FrKddFBBu9z) | [![X (formerly Twitter) Follow](https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002FZvecAI)](\u003Chttps:\u002F\u002Fx.com\u002FZvecAI>) |\n| Scan to join | Scan to join | Click to join | Click to follow |\n\n\u003C\u002Fdiv>\n\n\u003C\u002Fdiv>\n\n## ❤️ Contributing\n\nWe welcome and appreciate contributions from the community! Whether you're fixing a bug, adding a feature, or improving documentation, your help makes Zvec better for everyone.\n\nCheck out our [Contributing Guide](.\u002FCONTRIBUTING.md) to get started!\n","\u003Cdiv align=\"center\">\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Fzvec.oss-cn-hongkong.aliyuncs.com\u002Flogo\u002Fgithub_log_2.svg\" \u002F>\n    \u003Cimg src=\"https:\u002F\u002Fzvec.oss-cn-hongkong.aliyuncs.com\u002Flogo\u002Fgithub_logo_1.svg\" width=\"400\" alt=\"zvec logo\" \u002F>\n  \u003C\u002Fpicture>\n\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fcodecov.io\u002Fgithub\u002Falibaba\u002Fzvec\">\u003Cimg src=\"https:\u002F\u002Fcodecov.io\u002Fgithub\u002Falibaba\u002Fzvec\u002Fgraph\u002Fbadge.svg?token=O81CT45B66\" alt=\"代码覆盖率\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Factions\u002Fworkflows\u002F01-ci-pipeline.yml\">\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Factions\u002Fworkflows\u002F01-ci-pipeline.yml\u002Fbadge.svg?branch=main\" alt=\"主分支\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-Apache%202.0-blue.svg\" alt=\"许可证\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fpypi.org\u002Fproject\u002Fzvec\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fzvec.svg\" alt=\"PyPI 发布\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fpypi.org\u002Fproject\u002Fzvec\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.10%20~%203.14-blue.svg\" alt=\"Python 版本\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002F@zvec\u002Fzvec\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002F@zvec\u002Fzvec.svg\" alt=\"npm 发布\"\u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Ftrendshift.io\u002Frepositories\u002F20830\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Falibaba_zvec_readme_4a68feb902da.png\" alt=\"alibaba%2Fzvec | Trendshift\" style=\"width: 250px; height: 55px;\" width=\"250\" height=\"55\"\u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fzvec.org\u002Fen\u002Fdocs\u002Fquickstart\u002F\">🚀 \u003Cstrong>快速入门\u003C\u002Fstrong> \u003C\u002Fa> |\n  \u003Ca href=\"https:\u002F\u002Fzvec.org\u002Fen\u002F\">🏠 \u003Cstrong>首页\u003C\u002Fstrong> \u003C\u002Fa> |\n  \u003Ca href=\"https:\u002F\u002Fzvec.org\u002Fen\u002Fdocs\u002F\">📚 \u003Cstrong>文档\u003C\u002Fstrong> \u003C\u002Fa> |\n  \u003Ca href=\"https:\u002F\u002Fzvec.org\u002Fen\u002Fdocs\u002Fbenchmarks\u002F\">📊 \u003Cstrong>基准测试\u003C\u002Fstrong> \u003C\u002Fa> |\n  \u003Ca href=\"https:\u002F\u002Fdeepwiki.com\u002Falibaba\u002Fzvec\">🔎 \u003Cstrong>DeepWiki\u003C\u002Fstrong> \u003C\u002Fa> |\n  \u003Ca href=\"https:\u002F\u002Fdiscord.gg\u002FrKddFBBu9z\">🎮 \u003Cstrong>Discord\u003C\u002Fstrong> \u003C\u002Fa> |\n  \u003Ca href=\"https:\u002F\u002Fx.com\u002FZvecAI\">🐦 \u003Cstrong>X（Twitter）\u003C\u002Fstrong> \u003C\u002Fa>\n\u003C\u002Fp>\n\n**Zvec** 是一个开源的进程内向量数据库——轻量级、极速响应，专为直接嵌入应用程序而设计。它基于 **Proxima**（阿里巴巴久经考验的向量搜索引擎）构建，只需极少的配置即可提供生产级别的低延迟、可扩展的相似性搜索能力。\n\n## 💫 核心特性\n\n- **极速响应**：可在毫秒级内搜索数十亿条向量。\n- **简单易用**：[安装](#-installation)后几秒钟即可开始搜索。无需服务器、无需配置、无需繁琐操作。\n- **稠密与稀疏向量支持**：同时支持稠密和稀疏嵌入，并原生支持在单次调用中进行多向量查询。\n- **混合搜索**：将语义相似度与结构化过滤器结合，获得精准的结果。\n- **随处运行**：作为进程内库，Zvec 可以在任何运行代码的地方使用——笔记本、服务器、命令行工具，甚至边缘设备。\n\n## 📦 安装\n\n### [Python](https:\u002F\u002Fpypi.org\u002Fproject\u002Fzvec\u002F)\n\n**要求**：Python 3.10 - 3.14\n\n```bash\npip install zvec\n```\n\n### [Node.js](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002F@zvec\u002Fzvec)\n\n```bash\nnpm install @zvec\u002Fzvec\n```\n\n### ✅ 支持平台\n\n- Linux (x86_64, ARM64)\n- macOS (ARM64)\n\n### 🛠️ 从源码构建\n\n如果您希望从源码构建 Zvec，请参阅 [从源码构建](https:\u002F\u002Fzvec.org\u002Fen\u002Fdocs\u002Fbuild\u002F) 指南。\n\n## ⚡ 一分钟示例\n\n```python\nimport zvec\n\n# 定义集合模式\nschema = zvec.CollectionSchema(\n    name=\"example\",\n    vectors=zvec.VectorSchema(\"embedding\", zvec.DataType.VECTOR_FP32, 4),\n)\n\n# 创建集合\ncollection = zvec.create_and_open(path=\".\u002Fzvec_example\", schema=schema)\n\n# 插入文档\ncollection.insert([\n    zvec.Doc(id=\"doc_1\", vectors={\"embedding\": [0.1, 0.2, 0.3, 0.4]}),\n    zvec.Doc(id=\"doc_2\", vectors={\"embedding\": [0.2, 0.3, 0.4, 0.1]}),\n])\n\n# 按向量相似度搜索\nresults = collection.query(\n    zvec.VectorQuery(\"embedding\", vector=[0.4, 0.3, 0.3, 0.1]),\n    topk=10\n)\n\n# 结果：按相关性排序的 {'id': str, 'score': float, ...} 列表\nprint(results)\n```\n\n## 📈 大规模性能表现\n\nZvec 提供卓越的速度和效率，非常适合高负载的生产环境。\n\n\u003Cimg src=\"https:\u002F\u002Fzvec.oss-cn-hongkong.aliyuncs.com\u002Fqps_10M.svg\" width=\"800\" alt=\"Zvec 性能基准测试\" \u002F>\n\n有关详细的基准测试方法、配置及完整结果，请参阅我们的 [基准测试文档](https:\u002F\u002Fzvec.org\u002Fen\u002Fdocs\u002Fbenchmarks\u002F)。\n\n## 🤝 加入我们的社区\n\n\u003Cdiv align=\"center\">\n\n保持更新并获取支持——扫描或点击：\n\n\u003Cdiv align=\"center\">\n\n| 💬 钉钉 | 📱 微信 | 🎮 Discord | X（Twitter） |\n| :---: | :---: | :---: | :---: |\n| \u003Cimg src=\"https:\u002F\u002Fzvec.oss-cn-hongkong.aliyuncs.com\u002Fqrcode\u002Fdingding.png\" width=\"150\" alt=\"钉钉二维码\"\u002F> | \u003Cimg src=\"https:\u002F\u002Fzvec.oss-cn-hongkong.aliyuncs.com\u002Fqrcode\u002Fwechat.png?v=4\" width=\"150\" alt=\"微信二维码\"\u002F> | [![Discord](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Join%20Server-5865F2?style=for-the-badge&logo=discord&logoColor=white)](https:\u002F\u002Fdiscord.gg\u002FrKddFBBu9z) | [![X（前身为 Twitter）关注](https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002FZvecAI)](\u003Chttps:\u002F\u002Fx.com\u002FZvecAI>) |\n| 扫描加入 | 扫描加入 | 点击加入 | 点击关注 |\n\n\u003C\u002Fdiv>\n\n\u003C\u002Fdiv>\n\n## ❤️ 贡献\n\n我们欢迎并感谢社区的贡献！无论您是修复 bug、添加新功能，还是改进文档，您的帮助都能让 Zvec 更加完善，惠及所有人。\n\n请查看我们的 [贡献指南](.\u002FCONTRIBUTING.md)，开始参与吧！","# Zvec 快速上手指南\n\nZvec 是一款由阿里巴巴开源的轻量级、进程内向量数据库。它基于阿里生产级向量搜索引擎 **Proxima** 构建，无需部署独立服务器，可直接嵌入应用程序中，提供毫秒级的低延迟相似性搜索能力。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：\n    *   Linux (支持 x86_64, ARM64 架构)\n    *   macOS (支持 ARM64 架构)\n*   **语言版本**（任选其一）：\n    *   **Python**: 3.10 ~ 3.14\n    *   **Node.js**: 最新稳定版\n\n## 安装步骤\n\n根据您的开发语言选择对应的安装命令。\n\n### Python 用户\n\n使用 pip 进行安装：\n\n```bash\npip install zvec\n```\n\n### Node.js 用户\n\n使用 npm 进行安装：\n\n```bash\nnpm install @zvec\u002Fzvec\n```\n\n> **提示**：如果下载速度较慢，可尝试配置国内镜像源（如阿里云或清华大学镜像源）加速安装。\n> *   Python: `pip install zvec -i https:\u002F\u002Fmirrors.aliyun.com\u002Fpypi\u002Fsimple\u002F`\n> *   Node.js: `npm config set registry https:\u002F\u002Fregistry.npmmirror.com`\n\n## 基本使用\n\n以下是一个完整的 Python 示例，演示如何在 1 分钟内完成从创建集合、插入数据到向量检索的全过程。\n\n```python\nimport zvec\n\n# 1. 定义集合 Schema\nschema = zvec.CollectionSchema(\n    name=\"example\",\n    vectors=zvec.VectorSchema(\"embedding\", zvec.DataType.VECTOR_FP32, 4),\n)\n\n# 2. 创建并打开集合 (数据存储在本地 .\u002Fzvec_example 目录)\ncollection = zvec.create_and_open(path=\".\u002Fzvec_example\", schema=schema)\n\n# 3. 插入文档数据\ncollection.insert([\n    zvec.Doc(id=\"doc_1\", vectors={\"embedding\": [0.1, 0.2, 0.3, 0.4]}),\n    zvec.Doc(id=\"doc_2\", vectors={\"embedding\": [0.2, 0.3, 0.4, 0.1]}),\n])\n\n# 4. 执行向量相似度搜索\nresults = collection.query(\n    zvec.VectorQuery(\"embedding\", vector=[0.4, 0.3, 0.3, 0.1]),\n    topk=10\n)\n\n# 5. 输出结果 (按相关性排序)\nprint(results)\n```\n\n**代码说明：**\n*   **无需服务器**：数据直接以文件形式存储在本地路径。\n*   **自动管理**：`create_and_open` 会自动处理文件的创建与加载。\n*   **即时检索**：插入后即可立即进行高精度的向量查询。","某电商初创团队正在开发一款基于大模型的“以图搜图”商品推荐功能，需要在用户浏览商品时实时计算并匹配相似款式。\n\n### 没有 zvec 时\n- **架构臃肿**：必须额外部署独立的向量数据库服务（如 Milvus 或 Qdrant），增加了运维复杂度和服务器成本。\n- **延迟过高**：每次搜索都需要经过网络请求，在高频并发下网络往返耗时显著，导致推荐结果出现明显卡顿。\n- **资源浪费**：对于数据量仅在百万级以内的初期业务，独立集群的资源利用率极低，却仍需占用大量内存和 CPU。\n- **开发繁琐**：需要编写复杂的连接池管理、重试机制以及数据同步脚本，拖慢了功能上线进度。\n\n### 使用 zvec 后\n- **极简集成**：直接通过 `pip install zvec` 将数据库作为库嵌入应用进程，无需任何外部服务依赖，启动即可用。\n- **毫秒响应**：利用进程内内存搜索特性，消除了网络开销，即使在笔记本上也能在毫秒级完成百万级向量检索。\n- **轻量高效**：依托 Proxima 引擎，仅需极少的内存占用即可支撑生产级搜索性能，完美适配边缘设备或低配服务器。\n- **专注业务**：开发者只需关注向量生成与业务逻辑，几行代码即可完成从建表、插入到混合查询的全流程。\n\nzvec 通过将高性能向量检索能力“本地化”，让中小规模 AI 应用能以最低成本实现即时响应的智能搜索体验。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Falibaba_zvec_c58c34c0.png","alibaba","Alibaba","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Falibaba_f65f7221.png","Alibaba Open Source",null,"https:\u002F\u002Fopensource.alibaba.com\u002F","https:\u002F\u002Fgithub.com\u002Falibaba",[83,87,90,94,98,102,106],{"name":84,"color":85,"percentage":86},"C++","#f34b7d",79.9,{"name":88,"color":79,"percentage":89},"SWIG",7.8,{"name":91,"color":92,"percentage":93},"Python","#3572A5",7.6,{"name":95,"color":96,"percentage":97},"C","#555555",3.5,{"name":99,"color":100,"percentage":101},"CMake","#DA3434",1.2,{"name":103,"color":104,"percentage":105},"ANTLR","#9DC3FF",0,{"name":107,"color":108,"percentage":105},"Shell","#89e051",9225,529,"2026-04-03T04:39:53","Apache-2.0",1,"Linux, macOS","未说明",{"notes":117,"python":118,"dependencies":119},"该工具为进程内向量数据库（in-process），无需独立服务器。支持 Linux (x86_64, ARM64) 和 macOS (ARM64)，暂不支持 Windows。基于阿里巴巴 Proxima 引擎构建，支持稠密和稀疏向量混合搜索。","3.10 - 3.14",[],[15,13,51],[122,123,124,125,126,127,128,129,130],"ann-search","embedded-database","rag","vector-search","vectordb","agent-memory","local","nodejs","python","2026-03-27T02:49:30.150509","2026-04-06T08:10:30.013235",[134,139,144,149],{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},12083,"在较旧的 Intel CPU（如 Broadwell）上运行时遇到 'Illegal instruction (core dumped)' 错误怎么办？","该问题通常是因为预编译的 PyPI 二进制包启用了 AVX-512 指令集，而旧款 CPU（仅支持 AVX2）无法执行。解决方案是自行从源码编译，并在编译时添加 `-march=native` 标志，以确保只启用当前机器支持的指令子集。具体构建指南可参考官方文档：https:\u002F\u002Fzvec.org\u002Fen\u002Fdocs\u002Fbuild\u002F","https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fissues\u002F92",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},12084,"zvec 是否提供 Rust 语言绑定？","目前官方正在开发新的 C API，旨在提供稳定的 ABI 接口层。官方计划先发布 C API，然后鼓励社区基于此 C API 构建 Rust 等其他语言的绑定。您可以关注相关的 Pull Request（如 #167）以获取最新进展，未来可基于该 C 接口开发 Rust 绑定。","https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fissues\u002F18",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},12085,"是否有计划推出 DuckDB 扩展以实现更紧密的集成？","社区已提出该需求并进行了讨论。目前的架构思路是让 DuckDB 掌管存储，而 zvec 仅提供索引算法（基于 zvec Core）。未来的设计可能会利用 Arrow 作为数据传输层，以实现 DuckDB 与 zvec Core 之间的高效向量传递（例如支持 `SELECT * FROM zvec_collection` 查询）。具体的 API 稳定性和 C++ SDK 预计将在 v0.3.0 版本中完善。","https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fissues\u002F134",{"id":150,"question_zh":151,"answer_zh":152,"source_url":153},12086,"静态链接 zvec 后，程序退出时出现段错误（Segfault）如何解决？","这是由于 C++ 静态析构函数的执行顺序导致的，特别是当 zvec 静态链接了 glog、protobuf 等依赖库时。如果在 Linux 上将 zvec 编译为共享库（.so）并通过 `dlopen` 加载（如在 NIF 场景中），还可能遇到静态工厂注册失败的问题。建议在 Linux 环境下确保使用正确的链接标志（如 `--whole-archive`）以触发静态构造函数，或者等待官方提供显式的 `zvec::Shutdown()` 函数来手动控制清理顺序。","https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fissues\u002F206",[155,160,165,170],{"id":156,"version":157,"summary_zh":158,"released_at":159},62483,"v0.2.1","## 🚀 Zvec v0.2.1 发行说明\n\n这是一次功能丰富的更新，重点聚焦于 **构建与 CI 改进**、**平台扩展**、**性能优化** 以及 **开发者生态增强**。\n\n---\n\n### 📦 核心功能与改进\n\n- 新增对 **Jina Embeddings v5** 的集成支持 ([#156](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F156))\n- 新增适用于 LM Studio \u002F Ollama 的 **自定义 HTTP 嵌入示例** ([#149](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F149))\n- 新增 **Python API 函数重载**，以提升易用性 ([#197](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F197))\n- 新增对 **Python 3.13 和 3.14** 的支持 ([#164](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F164))\n- 新增对 **Android 跨平台构建** 的支持 ([#90](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F90))\n- 启用 **Ice Lake 优化** 和 **int8 量化中的 L2 批量距离计算** ([#213](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F213))\n- 提高了 **稀疏向量的索引大小限制** ([#229](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F229))\n\n### ⚡ 性能与构建优化\n\n- 优化了 IVF 实现，以提升稳定性和性能 ([#169](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F169))\n- 重新组织了针对不同架构的 `-march` 处理逻辑，使构建行为更加清晰 ([#193](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F193))\n- 禁用了 RocksDB 中的 `-march=native` 选项，以提高构建的可移植性 ([#183](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F183))\n- 改进了默认源码构建中关于 `-march=native` 的行为 ([#184](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F184))\n- 当无法检测到 CPU 特性时，自动禁用数学相关的 `march` 优化 ([#220](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F220))\n- 将 `key_id_mapping` 中的 `std::map` 替换为 `std::unordered_map` ([#153](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F153))\n- 通过 OSS 镜像支持加速了第三方依赖的下载 ([#194](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F194))\n- 新增可配置的 **Clang 标准库** 支持，并改进了默认构建行为 ([#210](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F210))\n- 通过将 `CMAKE_SOURCE_DIR` 替换为 `PROJECT_ROOT_DIR`，修复了子项目构建问题 ([#195](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F195))\n\n### 🐞 错误修复\n\n- 将 ANTLR4 的 `CMAKE_POLICY` 从 `OLD` 更新为 `NEW`，以兼容 **CMake 3.31 及以上版本** ([#145](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F145))\n- 通过用 `std::vector` 替代 VLAs，提升了 **MSVC 兼容性** 并增强了栈安全 ([#190](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F190))\n- 修复了 `uint8` 转换溢出问题 ([#215](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F215))\n- 修复了多个构建环境中的编译问题 ([#218](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F218))\n- 修复了崩溃后残留清理逻辑的问题 ([#208](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F208))\n- 新增了一个用于处理 **余弦度量** 的验证器 ([#209](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F209))\n- 修复了 MIPS 架构下的欧氏距离实现问题 ([#226](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fp","2026-03-18T05:53:09",{"id":161,"version":162,"summary_zh":163,"released_at":164},62484,"v0.2.0","## 🚀 Zvec v0.2.0 发行说明\n\n本次重大更新聚焦于 **优化**、**平台扩展** 以及 **开发者体验** 的提升。\n\n---\n\n### 📦 核心功能与改进\n\n- 支持 AI 扩展框架，用于设备端嵌入式工作流 ([#88](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F88))\n- MMap 存储文件中支持自动伸缩的分段元数据 ([#67](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F67))\n- 核心中统一搜索调用接口 ([#15](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F15))\n- 增加对 Linux ARM64 构建的支持 ([#71](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F71))\n- 在重复初始化尝试时静默失败 ([#79](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F79))\n\n### 🐞 Bug 修复\n\n- 修复了使用键而非索引的 `delete_by_filter` 逻辑 ([#84](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F84), [#87](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F87))\n- 修正了量化整数单元测试 ([#47](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F47))\n- 从 `AddColumn` API 中移除了不必要的 `column_name` 参数 ([#59](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F59))\n- 修复了 HNSW 索引实现中的拼写错误 ([#50](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F50))\n- 移除了测试中多余的错误预期 ([#82](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F82))\n- 清理了未使用的 `ailego` 模块 ([#85](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F85))\n\n### 🔧 开发者体验\n\n- 使用标准 `typing` 替代 `typing_extensions`（Python ≥3.10）([#99](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F99))\n- 通过 `LOG_ERROR` 而非 `cerr` 改进了 C++ 错误日志记录 ([#80](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F80))\n- 更新了 Python 绑定的文档字符串和 `.pyi` 存根文件 ([#41](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F41))\n- 移除了过时的 `IndexMeta::MetricType` 定义 ([#53](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F53))\n- 将 C++ 示例添加到 macOS\u002FLinux CI 矩阵中 ([#86](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F86))\n\n### 🤖 CI\u002FCD 与工具链\n\n- 支持针对分支 PR 的 CI 运行 ([#52](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F52))\n- 跳过仅包含 Markdown 变更的 CI 流程 ([#55](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F55))\n- 添加了问题模板，以更好地支持社区 ([#46](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F46))\n- 更新了 CMake 的最低版本要求 ([#44](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F44), [#57](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F57))\n- 更新了基准测试工具的文档 ([#77](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F77))\n\n### 📚 文档\n\n- 更新了 README 中的徽章及加入我们部分 ([#45](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F45), [#54](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F54))\n\n---\n\n### 👋 新贡献者\n\n- [@SYaoJun](https:\u002F\u002Fgithub.com\u002FSYaoJun) — 首次贡献 ([#50](https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F50))\n\n---\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fcompare\u002Fv0.1.1...v0.2.0  \n**升级建议**: ✅ 推荐所有用户升级 — 包含关键的性能与稳定性改进。","2026-02-13T02:01:05",{"id":166,"version":167,"summary_zh":168,"released_at":169},62485,"v0.1.1","## 重大变更\n**需要重建索引**：升级到此版本后，必须重建所有索引。\n* 重构：澄清 HNSW 的 ‘m’ 参数为上层的最大邻居数，由 @JalinWang 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F12 中完成。\n* 重构：将 HNSW 的 ‘scaling_factor’ 默认值设置为 ‘m’，而非 50，由 @iaojnh 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F17 中完成。\n* 重构：清理 Flat 索引的参数字符串，由 @JalinWang 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F28 中完成。\n* 修复：Flat 索引支持更多分段，由 @JalinWang 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F32 中完成。\n\n## 变更内容\n* 杂项\u002F添加 Codecov 徽章，由 @Cuiyus 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F9 中完成。\n* 修复（SQL 引擎）：当 topk 过大时，减少内存预留大小，由 @egolearner 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F10 中完成。\n* 修复：修复 CPU 检测问题，由 @richyreachy 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F14 中完成。\n* 杂项（CI）：修复 CI 安全问题，并为测试 PyPI 构建轮子包，由 @Cuiyus 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F16 中完成。\n* 小幅更新：在 README 中添加 Discord 链接和基准测试结果，由 @zhourrr 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F19 中完成。\n* 杂项（CI）：修改用于测试 PyPI 的 setuptools 构建脚本，并支持取消正在进行的构建，由 @Cuiyus 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F21 中完成。\n* 修复：修复默认 m 值问题，由 @egolearner 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F20 中完成。\n* 杂项：支持使用调试模式构建 Arrow，由 @egolearner 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F11 中完成。\n* 更新 mmap 的 segment_meta_capacity 参数，由 @iaojnh 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F24 中完成。\n* 修复：优化并重构分段获取性能，由 @chinaux 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F26 中完成。\n* 功能性改进：重构 C++ SDK，由 @feihongxu0824 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F27 中完成。\n* 小幅修复：修复部分调试字符串，由 @zhourrr 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F31 中完成。\n* 修复：移除空文件，由 @richyreachy 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F33 中完成。\n* 修复（文档）：更新 README 中的 Discord 邀请链接，由 @Cuiyus 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F35 中完成。\n* 重构：清理 Flat 索引的参数字符串，由 @JalinWang 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F28 中完成。\n* 修复：Flat 索引支持更多分段，由 @JalinWang 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F32 中完成。\n* 修复：Local Builder 自动将 DisableIdMap 设置为 true，并自动设置流式传输参数，由 @JalinWang 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F34 中完成。\n* 紧急修复：Local Builder 应使用新的 Flat 索引参数字符串，由 @JalinWang 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F37 中完成。\n* 功能性改进：支持核心 C++ SDK，由 @feihongxu0824 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F30 中完成。\n* 更新 README.md，由 @zhourrr 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F36 中完成。\n* 修复：修复 MemoryReadStorage 通过 MemoryBlock 读取的问题，由 @egolearner 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F38 中完成。\n* 紧急修复：CI 将构建工具并修复 Local Builder，由 @JalinWang 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F39 中完成。\n\n## 新贡献者\n* @egolearner 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F10 中完成了首次贡献。\n* @richyreachy 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F14 中完成了首次贡献。\n* @JalinWang 在 https:\u002F\u002Fgi","2026-01-27T12:22:45",{"id":171,"version":172,"summary_zh":173,"released_at":174},62486,"v0.1.0","## 变更内容\n* 小改进：@zhourrr 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F2 中更新了 README 文件\n* 杂项：@Cuiyus 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F1 中添加了 Git 提交信息和分支名称，并修改了组织信息\n* 功能：@feihongxu0824 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F3 中实现了 CPU 标志检测与调度支持\n* 杂项（CMake）：@feihongxu0824 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F5 中实现了 CMake 自动检测 CPU 架构标志，并移除了冗余选项\n* 杂项：@Cuiyus 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F6 中将项目发布到 PyPI\n* 杂项：@Cuiyus 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F7 中添加了 PyPI 徽章\n\n## 新贡献者\n* @zhourrr 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F2 中完成了首次贡献\n* @Cuiyus 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F1 中完成了首次贡献\n* @feihongxu0824 在 https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fpull\u002F3 中完成了首次贡献\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Falibaba\u002Fzvec\u002Fcommits\u002Fv0.1.0","2025-12-31T10:55:48"]