[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-tensorchord--pgvecto.rs":3,"tool-tensorchord--pgvecto.rs":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},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,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},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",158594,2,"2026-04-16T23:34:05",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},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。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":68,"readme_en":69,"readme_zh":70,"quickstart_zh":71,"use_case_zh":72,"hero_image_url":73,"owner_login":74,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":78,"owner_email":79,"owner_twitter":75,"owner_website":80,"owner_url":81,"languages":82,"stars":103,"forks":104,"last_commit_at":105,"license":106,"difficulty_score":10,"env_os":107,"env_gpu":107,"env_ram":107,"env_deps":108,"category_tags":113,"github_topics":114,"view_count":32,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":125,"updated_at":126,"faqs":127,"releases":156},8144,"tensorchord\u002Fpgvecto.rs","pgvecto.rs","Scalable, Low-latency and Hybrid-enabled Vector Search in Postgres. Revolutionize Vector Search, not Database.","pgvecto.rs 是一款专为 PostgreSQL 设计的开源向量搜索扩展，旨在让传统数据库具备高效、可扩展的向量相似度检索能力。它基于 Rust 语言开发，利用 pgrx 框架深度集成到 Postgres 中，帮助用户在不引入额外向量数据库的前提下，直接在现有业务数据库中完成复杂的 AI 数据查询任务。\n\n该工具主要解决了在大规模数据场景下，传统向量搜索方案难以兼顾过滤精度、高维支持与服务延迟的痛点。与常见的 pgvector 相比，pgvecto.rs 引入了独特的 VBASE 算法，确保在执行“向量 TopK+ 条件过滤”混合查询时结果完整且准确；同时支持高达 65535 维的向量数据，并提供 FP16、INT8 等多种数据类型以优化存储与计算效率。此外，其运行时动态调度 SIMD 指令的特性，能充分挖掘不同硬件的性能潜力。\n\npgvecto.rs 非常适合正在构建推荐系统、图像检索、语义搜索等 AI 应用的后端开发者，以及希望简化技术栈、避免维护独立向量数据库的研究人员和数据工程师。通过简单的 Docker 部署或 SQL 命令即可快速启用，让开发者能够专注于业务逻辑创新，","pgvecto.rs 是一款专为 PostgreSQL 设计的开源向量搜索扩展，旨在让传统数据库具备高效、可扩展的向量相似度检索能力。它基于 Rust 语言开发，利用 pgrx 框架深度集成到 Postgres 中，帮助用户在不引入额外向量数据库的前提下，直接在现有业务数据库中完成复杂的 AI 数据查询任务。\n\n该工具主要解决了在大规模数据场景下，传统向量搜索方案难以兼顾过滤精度、高维支持与服务延迟的痛点。与常见的 pgvector 相比，pgvecto.rs 引入了独特的 VBASE 算法，确保在执行“向量 TopK+ 条件过滤”混合查询时结果完整且准确；同时支持高达 65535 维的向量数据，并提供 FP16、INT8 等多种数据类型以优化存储与计算效率。此外，其运行时动态调度 SIMD 指令的特性，能充分挖掘不同硬件的性能潜力。\n\npgvecto.rs 非常适合正在构建推荐系统、图像检索、语义搜索等 AI 应用的后端开发者，以及希望简化技术栈、避免维护独立向量数据库的研究人员和数据工程师。通过简单的 Docker 部署或 SQL 命令即可快速启用，让开发者能够专注于业务逻辑创新，而非底层基础设施的繁琐运维。值得注意的是，官方已推出性能更优的继任项目 VectorChord，建议新用户关注迁移指南以获得更佳体验。","\u003Cdiv align=\"center\">\n\u003Ch1>pgvecto.rs\u003C\u002Fh1>\n\u003C\u002Fdiv>\n\n\u003Cp align=center>\n\u003Ca href=\"https:\u002F\u002Fdiscord.gg\u002FKqswhpVgdU\">\u003Cimg alt=\"discord invitation link\" src=\"https:\u002F\u002Fimg.shields.io\u002Fdiscord\u002F974584200327991326?style=flat&logo=discord&cacheSeconds=60\">\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Ftwitter.com\u002FTensorChord\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002Ftensorchord?style=flat&logo=X&cacheSeconds=60\" alt=\"trackgit-views\" \u002F>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fhub.docker.com\u002Fr\u002Ftensorchord\u002Fpgvecto-rs\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fdocker\u002Fpulls\u002Ftensorchord\u002Fpgvecto-rs\" \u002F>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs#contributors-\">\u003Cimg alt=\"all-contributors\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fall-contributors\u002Ftensorchord\u002Fpgvecto.rs\u002Fmain\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n`pgvecto.rs` is a Postgres extension that provides vector similarity search functions. It is written in Rust and based on [pgrx](https:\u002F\u002Fgithub.com\u002Fpgcentralfoundation\u002Fpgrx).\n\n> [!NOTE]\n> We have a new implementation [VectorChord](https:\u002F\u002Fgithub.com\u002Ftensorchord\u002FVectorChord\u002F) with better stability and performance. Users are encouraged to migrate to VectorChord. Check out the [migration guide](https:\u002F\u002Fdocs.vectorchord.ai\u002Fvectorchord\u002Fadmin\u002Fmigration.html).\n\n## Comparison with pgvector\n\nCheckout [pgvecto.rs vs pgvector](https:\u002F\u002Fdocs.vectorchord.ai\u002Ffaqs\u002Fcomparison-pgvector.html) for more details.\n\n| Feature | pgvecto.rs | pgvector |\n| --- | --- | --- |\n| Filtering | Introduces VBASE method for vector search and relational query (e.g. Single-Vector TopK + Filter + Join). | When filters are applied, the results may be incomplete. For example, if you originally intended to limit the results to 10, you might end up with only 5 results with filters. |\n| Vector Dimensions | Supports up to 65535 dimensions. | Supports up to 2000 dimensions. |\n| SIMD | SIMD instructions are dynamically dispatched at runtime to maximize performance based on the capabilities of the specific machine. | Added CPU dispatching for distance functions on Linux x86-64\" in 0.7.0. |\n| Data Types | Introduces additional data types: binary vectors, FP16 (16-bit floating point), and INT8 (8-bit integer). | \\- |\n| Indexing | Handles the storage and memory of indexes separately from PostgreSQL | Relies on the native storage engine of PostgreSQL |\n| WAL Support | Provides Write-Ahead Logging (WAL) support for data, index support is working in progress. | Provides Write-Ahead Logging (WAL) support for index and data. |                         |\n\n## [Documentation](https:\u002F\u002Fdocs.vectorchord.ai\u002Fgetting-started\u002Foverview.html)\n\n- Getting Started\n  - [Overview](https:\u002F\u002Fdocs.vectorchord.ai\u002Fgetting-started\u002Foverview.html)\n  - [Installation](https:\u002F\u002Fdocs.vectorchord.ai\u002Fgetting-started\u002Finstallation.html)\n- Usage\n  - [Indexing](https:\u002F\u002Fdocs.vectorchord.ai\u002Fusage\u002Findexing.html)\n  - [Search](https:\u002F\u002Fdocs.vectorchord.ai\u002Fusage\u002Fsearch.html)\n- Administration\n  - [Configuration](https:\u002F\u002Fdocs.vectorchord.ai\u002Fadmin\u002Fconfiguration.html)\n  - [Upgrading from older versions](https:\u002F\u002Fdocs.vectorchord.ai\u002Fadmin\u002Fupgrading.html)\n- Developers\n  - [Development Tutorial](https:\u002F\u002Fdocs.vectorchord.ai\u002Fdevelopers\u002Fdevelopment.html)\n\n## Quick start\n\nFor new users, we recommend using the [Docker image](https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpkgs\u002Fcontainer\u002Fpgvecto-rs) to get started quickly.\n\n```sh\ndocker run \\\n  --name pgvecto-rs-demo \\\n  -e POSTGRES_PASSWORD=mysecretpassword \\\n  -p 5432:5432 \\\n  -d ghcr.io\u002Ftensorchord\u002Fpgvecto-rs:pg17-v0.4.0\n```\n\nThen you can connect to the database using the `psql` command line tool. The default username is `postgres`, and the default password is `mysecretpassword`.\n\n```sh\npsql -h localhost -p 5432 -U postgres\n```\n\nRun the following SQL to ensure the extension is enabled.\n\n```sql\nDROP EXTENSION IF EXISTS vectors;\nCREATE EXTENSION vectors;\n```\n\npgvecto.rs introduces a new data type `vector(n)` denoting an n-dimensional vector. The `n` within the brackets signifies the dimensions of the vector.\n\nYou could create a table with the following SQL.\n\n```sql\n-- create table with a vector column\n\nCREATE TABLE items (\n  id bigserial PRIMARY KEY,\n  embedding vector(3) NOT NULL -- 3 dimensions\n);\n```\n\n> [!TIP]\n>`vector(n)` is a valid data type only if $1 \\leq n \\leq 65535$. Due to limits of PostgreSQL, it's possible to create a value of type `vector(3)` of $5$ dimensions and `vector` is also a valid data type. However, you cannot still put $0$ scalar or more than $65535$ scalars to a vector. If you use `vector` for a column or there is some values mismatched with dimension denoted by the column, you won't able to create an index on it.\n\nYou can then populate the table with vector data as follows.\n\n```sql\n-- insert values\n\nINSERT INTO items (embedding)\nVALUES ('[1,2,3]'), ('[4,5,6]');\n\n-- or insert values using a casting from array to vector\n\nINSERT INTO items (embedding)\nVALUES (ARRAY[1, 2, 3]::real[]), (ARRAY[4, 5, 6]::real[]);\n```\n\nWe support three operators to calculate the distance between two vectors.\n\n- `\u003C->`: squared Euclidean distance, defined as $\\Sigma (x_i - y_i) ^ 2$.\n- `\u003C#>`: negative dot product, defined as $- \\Sigma x_iy_i$.\n- `\u003C=>`: cosine distance, defined as $1 - \\frac{\\Sigma x_iy_i}{\\sqrt{\\Sigma x_i^2 \\Sigma y_i^2}}$.\n\n```sql\n-- call the distance function through operators\n\n-- squared Euclidean distance\nSELECT '[1, 2, 3]'::vector \u003C-> '[3, 2, 1]'::vector;\n-- negative dot product\nSELECT '[1, 2, 3]'::vector \u003C#> '[3, 2, 1]'::vector;\n-- cosine distance\nSELECT '[1, 2, 3]'::vector \u003C=> '[3, 2, 1]'::vector;\n```\n\nYou can search for a vector simply like this.\n\n```sql\n-- query the similar embeddings\nSELECT * FROM items ORDER BY embedding \u003C-> '[3,2,1]' LIMIT 5;\n```\n\n### A simple Question-Answering application\n\nPlease check out the [Question-Answering application](https:\u002F\u002Fdocs.vectorchord.ai\u002Fuse-case\u002Fquestion-answering.html) tutorial.\n\n### Half-precision floating-point\n\n`vecf16` type is the same with `vector` in anything but the scalar type. It stores 16-bit floating point numbers. If you want to reduce the memory usage to get better performance, you can try to replace `vector` type with `vecf16` type.\n\n## Roadmap 🗂️\n\nPlease check out [ROADMAP](https:\u002F\u002Fdocs.vectorchord.ai\u002Fcommunity\u002Froadmap.html). Want to jump in? Welcome discussions and contributions!\n\n- Chat with us on [💬 Discord](https:\u002F\u002Fdiscord.gg\u002FKqswhpVgdU)\n- Have a look at [`good first issue 💖`](https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fissues?q=is%3Aissue+is%3Aopen+label%3A%22good+first+issue+%E2%9D%A4%EF%B8%8F%22) issues!\n\n## Contribute 😊\n\nWe welcome all kinds of contributions from the open-source community, individuals, and partners.\n\n- Join our [discord community](https:\u002F\u002Fdiscord.gg\u002FKqswhpVgdU)!\n- To build from the source, please read our [contributing documentation](https:\u002F\u002Fdocs.vectorchord.ai\u002Fcommunity\u002Fcontributing.html) and [development tutorial](https:\u002F\u002Fdocs.vectorchord.ai\u002Fdevelopers\u002Fdevelopment.html).\n\n## Contributors ✨\n\nThanks goes to these wonderful people ([emoji key](https:\u002F\u002Fallcontributors.org\u002Fdocs\u002Fen\u002Femoji-key)):\n\n\u003C!-- ALL-CONTRIBUTORS-LIST:START - Do not remove or modify this section -->\n\u003C!-- prettier-ignore-start -->\n\u003C!-- markdownlint-disable -->\n\u003Ctable>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fskyzh.dev\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_9a749f777fe5.png\" width=\"70px;\" alt=\"Alex Chi\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Alex Chi\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=skyzh\" title=\"Code\">💻\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FAuruTus\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_dbf029fc450d.png\" width=\"70px;\" alt=\"AuruTus\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>AuruTus\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=AuruTus\" title=\"Code\">💻\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FAveryQi115\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_1b4189386255.png\" width=\"70px;\" alt=\"Avery\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Avery\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=AveryQi115\" title=\"Code\">💻\u003C\u002Fa> \u003Ca href=\"#ideas-AveryQi115\" title=\"Ideas, Planning, & Feedback\">🤔\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fyeya24.github.io\u002F\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_af8eb24c8ca3.png\" width=\"70px;\" alt=\"Ben Ye\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Ben Ye\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=yeya24\" title=\"Documentation\">📖\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fgaocegege\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_049354aee942.png\" width=\"70px;\" alt=\"Ce Gao\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Ce Gao\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"#business-gaocegege\" title=\"Business development\">💼\u003C\u002Fa> \u003Ca href=\"#content-gaocegege\" title=\"Content\">🖋\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=gaocegege\" title=\"Documentation\">📖\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FVoVAllen\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_c08e2544d9e5.png\" width=\"70px;\" alt=\"Jinjing Zhou\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Jinjing Zhou\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"#design-VoVAllen\" title=\"Design\">🎨\u003C\u002Fa> \u003Ca href=\"#ideas-VoVAllen\" title=\"Ideas, Planning, & Feedback\">🤔\u003C\u002Fa> \u003Ca href=\"#projectManagement-VoVAllen\" title=\"Project Management\">📆\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FJoePassanante\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_64ffce5152ee.png\" width=\"70px;\" alt=\"Joe Passanante\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Joe Passanante\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=JoePassanante\" title=\"Code\">💻\u003C\u002Fa>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fblog.mapotofu.org\u002F\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_46fc889cf30e.png\" width=\"70px;\" alt=\"Keming\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Keming\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fissues?q=author%3Akemingy\" title=\"Bug reports\">🐛\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=kemingy\" title=\"Code\">💻\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=kemingy\" title=\"Documentation\">📖\u003C\u002Fa> \u003Ca href=\"#ideas-kemingy\" title=\"Ideas, Planning, & Feedback\">🤔\u003C\u002Fa> \u003Ca href=\"#infra-kemingy\" title=\"Infrastructure (Hosting, Build-Tools, etc)\">🚇\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fblog.ymzymz.me\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_d6c1d3f3a0cb.png\" width=\"70px;\" alt=\"Mingzhuo Yin\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Mingzhuo Yin\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=silver-ymz\" title=\"Code\">💻\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=silver-ymz\" title=\"Tests\">⚠️\u003C\u002Fa> \u003Ca href=\"#infra-silver-ymz\" title=\"Infrastructure (Hosting, Build-Tools, etc)\">🚇\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fusamoi.com\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_ab3e4f3c50e7.png\" width=\"70px;\" alt=\"Usamoi\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Usamoi\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=usamoi\" title=\"Code\">💻\u003C\u002Fa> \u003Ca href=\"#ideas-usamoi\" title=\"Ideas, Planning, & Feedback\">🤔\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fcutecutecat\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_7b02c87321db.png\" width=\"70px;\" alt=\"cutecutecat\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>cutecutecat\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=cutecutecat\" title=\"Code\">💻\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fodysa\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_21fcb0d02672.png\" width=\"70px;\" alt=\"odysa\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>odysa\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=odysa\" title=\"Documentation\">📖\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=odysa\" title=\"Code\">💻\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmy-vegetable-has-exploded\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_e0093a32578c.png\" width=\"70px;\" alt=\"yi wang\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>yi wang\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=my-vegetable-has-exploded\" title=\"Code\">💻\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"http:\u002F\u002Fyihong.run\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_4790516a99e5.png\" width=\"70px;\" alt=\"yihong\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>yihong\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=yihong0618\" title=\"Code\">💻\u003C\u002Fa>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fyanli.one\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_520e0ce82e93.png\" width=\"70px;\" alt=\"盐粒 Yanli\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>盐粒 Yanli\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=BeautyyuYanli\" title=\"Code\">💻\u003C\u002Fa>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n  \u003Ctfoot>\n    \u003Ctr>\n      \u003Ctd align=\"center\" size=\"13px\" colspan=\"7\">\n        \u003Cimg src=\"https:\u002F\u002Fraw.githubusercontent.com\u002Fall-contributors\u002Fall-contributors-cli\u002F1b8533af435da9854653492b1327a23a4dbd0a10\u002Fassets\u002Flogo-small.svg\">\n          \u003Ca href=\"https:\u002F\u002Fall-contributors.js.org\u002Fdocs\u002Fen\u002Fbot\u002Fusage\">Add your contributions\u003C\u002Fa>\n        \u003C\u002Fimg>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftfoot>\n\u003C\u002Ftable>\n\n\u003C!-- markdownlint-restore -->\n\u003C!-- prettier-ignore-end -->\n\n\u003C!-- ALL-CONTRIBUTORS-LIST:END -->\n\nThis project follows the [all-contributors](https:\u002F\u002Fgithub.com\u002Fall-contributors\u002Fall-contributors) specification. Contributions of any kind welcome!\n\n## Acknowledgements\n\nThanks to the following projects:\n\n- [pgrx](https:\u002F\u002Fgithub.com\u002Ftcdi\u002Fpgrx) - Postgres extension framework in Rust\n- [pgvector](https:\u002F\u002Fgithub.com\u002Fpgvector\u002Fpgvector) - Postgres extension for vector similarity search written in C\n","\u003Cdiv align=\"center\">\n\u003Ch1>pgvecto.rs\u003C\u002Fh1>\n\u003C\u002Fdiv>\n\n\u003Cp align=center>\n\u003Ca href=\"https:\u002F\u002Fdiscord.gg\u002FKqswhpVgdU\">\u003Cimg alt=\"Discord邀请链接\" src=\"https:\u002F\u002Fimg.shields.io\u002Fdiscord\u002F974584200327991326?style=flat&logo=discord&cacheSeconds=60\">\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Ftwitter.com\u002FTensorChord\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002Ftensorchord?style=flat&logo=X&cacheSeconds=60\" alt=\"trackgit-views\" \u002F>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fhub.docker.com\u002Fr\u002Ftensorchord\u002Fpgvecto-rs\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fdocker\u002Fpulls\u002Ftensorchord\u002Fpgvecto-rs\" \u002F>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs#contributors-\">\u003Cimg alt=\"all-contributors\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fall-contributors\u002Ftensorchord\u002Fpgvecto.rs\u002Fmain\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n`pgvecto.rs` 是一个 PostgreSQL 扩展，提供了向量相似性搜索功能。它使用 Rust 语言编写，并基于 [pgrx](https:\u002F\u002Fgithub.com\u002Fpgcentralfoundation\u002Fpgrx) 构建。\n\n> [!NOTE]\n> 我们推出了新的实现 [VectorChord](https:\u002F\u002Fgithub.com\u002Ftensorchord\u002FVectorChord\u002F)，具有更好的稳定性和性能。建议用户迁移到 VectorChord。请查看[迁移指南](https:\u002F\u002Fdocs.vectorchord.ai\u002Fvectorchord\u002Fadmin\u002Fmigration.html)。\n\n## 与 pgvector 的比较\n\n更多详细信息，请参阅 [pgvecto.rs 与 pgvector 的比较](https:\u002F\u002Fdocs.vectorchord.ai\u002Ffaqs\u002Fcomparison-pgvector.html)。\n\n| 特性 | pgvecto.rs | pgvector |\n| --- | --- | --- |\n| 过滤 | 引入 VBASE 方法，支持向量搜索与关系查询（例如：单向量 TopK + 过滤 + 联接）。 | 应用过滤条件时，结果可能不完整。例如，原本计划限制结果为 10 条，但在应用过滤后可能只得到 5 条结果。 |\n| 向量维度 | 支持高达 65535 维度。 | 最多支持 2000 维度。 |\n| SIMD | 在运行时动态调度 SIMD 指令，以根据具体机器的硬件能力最大化性能。 | 在 0.7.0 版本中，为 Linux x86-64 平台的距离函数添加了 CPU 分派功能。 |\n| 数据类型 | 引入了额外的数据类型：二进制向量、FP16（16 位浮点数）和 INT8（8 位整数）。 | \\- |\n| 索引 | 将索引的存储和内存管理与 PostgreSQL 分开处理。 | 依赖 PostgreSQL 的原生存储引擎。 |\n| WAL 支持 | 提供数据的预写日志（WAL）支持，索引的 WAL 支持仍在开发中。 | 提供索引和数据的预写日志（WAL）支持。 |\n\n## [文档](https:\u002F\u002Fdocs.vectorchord.ai\u002Fgetting-started\u002Foverview.html)\n\n- 入门\n  - [概述](https:\u002F\u002Fdocs.vectorchord.ai\u002Fgetting-started\u002Foverview.html)\n  - [安装](https:\u002F\u002Fdocs.vectorchord.ai\u002Fgetting-started\u002Finstallation.html)\n- 使用\n  - [索引](https:\u002F\u002Fdocs.vectorchord.ai\u002Fusage\u002Findexing.html)\n  - [搜索](https:\u002F\u002Fdocs.vectorchord.ai\u002Fusage\u002Fsearch.html)\n- 管理\n  - [配置](https:\u002F\u002Fdocs.vectorchord.ai\u002Fadmin\u002Fconfiguration.html)\n  - [从旧版本升级](https:\u002F\u002Fdocs.vectorchord.ai\u002Fadmin\u002Fupgrading.html)\n- 开发者\n  - [开发教程](https:\u002F\u002Fdocs.vectorchord.ai\u002Fdevelopers\u002Fdevelopment.html)\n\n## 快速入门\n\n对于新用户，我们推荐使用 [Docker 镜像](https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpkgs\u002Fcontainer\u002Fpgvecto-rs)，以便快速上手。\n\n```sh\ndocker run \\\n  --name pgvecto-rs-demo \\\n  -e POSTGRES_PASSWORD=mysecretpassword \\\n  -p 5432:5432 \\\n  -d ghcr.io\u002Ftensorchord\u002Fpgvecto-rs:pg17-v0.4.0\n```\n\n然后您可以使用 `psql` 命令行工具连接到数据库。默认用户名为 `postgres`，默认密码为 `mysecretpassword`。\n\n```sh\npsql -h localhost -p 5432 -U postgres\n```\n\n运行以下 SQL 语句以确保扩展已启用。\n\n```sql\nDROP EXTENSION IF EXISTS vectors;\nCREATE EXTENSION vectors;\n```\n\npgvecto.rs 引入了一种新的数据类型 `vector(n)`，表示 n 维向量。括号中的 `n` 表示向量的维度。\n\n您可以通过以下 SQL 创建一张包含向量列的表：\n\n```sql\n-- 创建包含向量列的表\n\nCREATE TABLE items (\n  id bigserial PRIMARY KEY,\n  embedding vector(3) NOT NULL -- 3 维\n);\n```\n\n> [!TIP]\n>`vector(n)` 只有在 $1 \\leq n \\leq 65535$ 时才是有效的数据类型。由于 PostgreSQL 的限制，有可能创建一个 `$5$` 维的 `vector(3)` 类型值，且 `vector` 也是有效数据类型。然而，您仍然不能将 $0$ 个标量或超过 $65535$ 个标量放入向量中。如果某列使用 `vector` 类型，而某些值与该列所声明的维度不符，则无法为其创建索引。\n\n接下来，您可以按如下方式填充表中的向量数据：\n\n```sql\n-- 插入值\n\nINSERT INTO items (embedding)\nVALUES ('[1,2,3]'), ('[4,5,6]');\n\n-- 或通过数组到向量的转换插入值\n\nINSERT INTO items (embedding)\nVALUES (ARRAY[1, 2, 3]::real[]), (ARRAY[4, 5, 6]::real[]);\n```\n\n我们支持三种运算符来计算两个向量之间的距离：\n\n- `\u003C->`: 平方欧几里得距离，定义为 $\\Sigma (x_i - y_i) ^ 2$。\n- `\u003C#>`: 负点积，定义为 $- \\Sigma x_iy_i$。\n- `\u003C=>`: 余弦距离，定义为 $1 - \\frac{\\Sigma x_iy_i}{\\sqrt{\\Sigma x_i^2 \\Sigma y_i^2}}$。\n\n```sql\n-- 通过运算符调用距离函数\n\n-- 平方欧几里得距离\nSELECT '[1, 2, 3]'::vector \u003C-> '[3, 2, 1]'::vector;\n-- 负点积\nSELECT '[1, 2, 3]'::vector \u003C#> '[3, 2, 1]'::vector;\n-- 余弦距离\nSELECT '[1, 2, 3]'::vector \u003C=> '[3, 2, 1]'::vector;\n```\n\n您可以这样简单地搜索向量：\n\n```sql\n-- 查询相似的嵌入\nSELECT * FROM items ORDER BY embedding \u003C-> '[3,2,1]' LIMIT 5;\n```\n\n### 一个简单的问答应用\n\n请查看 [问答应用](https:\u002F\u002Fdocs.vectorchord.ai\u002Fuse-case\u002Fquestion-answering.html) 教程。\n\n### 半精度浮点数\n\n`vecf16` 类型除了标量类型不同外，其他方面都与 `vector` 相同。它存储 16 位浮点数。如果您希望减少内存占用以获得更好的性能，可以尝试将 `vector` 类型替换为 `vecf16` 类型。\n\n## 路线图 🗂️\n\n请查看 [路线图](https:\u002F\u002Fdocs.vectorchord.ai\u002Fcommunity\u002Froadmap.html)。想参与其中吗？欢迎讨论和贡献！\n\n- 在 [💬 Discord](https:\u002F\u002Fdiscord.gg\u002FKqswhpVgdU) 上与我们交流\n- 查看 [`good first issue 💖`](https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fissues?q=is%3Aissue+is%3Aopen+label%3A%22good+first+issue+%E2%9D%A4%EF%B8%8F%22) 问题！\n\n## 贡献 😊\n\n我们欢迎来自开源社区、个人和合作伙伴的各种形式的贡献。\n\n- 加入我们的 [Discord 社区](https:\u002F\u002Fdiscord.gg\u002FKqswhpVgdU)!\n- 如果您想从源代码构建，请阅读我们的 [贡献文档](https:\u002F\u002Fdocs.vectorchord.ai\u002Fcommunity\u002Fcontributing.html) 和 [开发教程](https:\u002F\u002Fdocs.vectorchord.ai\u002Fdevelopers\u002Fdevelopment.html)。\n\n## 贡献者 ✨\n\n感谢以下各位优秀的贡献者（[emoji key](https:\u002F\u002Fallcontributors.org\u002Fdocs\u002Fen\u002Femoji-key)）：\n\n\u003C!-- ALL-CONTRIBUTORS-LIST:START - Do not remove or modify this section -->\n\u003C!-- prettier-ignore-start -->\n\u003C!-- markdownlint-disable -->\n\u003Ctable>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fskyzh.dev\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_9a749f777fe5.png\" width=\"70px;\" alt=\"Alex Chi\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Alex Chi\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=skyzh\" title=\"代码\">💻\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FAuruTus\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_dbf029fc450d.png\" width=\"70px;\" alt=\"AuruTus\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>AuruTus\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=AuruTus\" title=\"代码\">💻\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FAveryQi115\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_1b4189386255.png\" width=\"70px;\" alt=\"Avery\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Avery\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=AveryQi115\" title=\"代码\">💻\u003C\u002Fa> \u003Ca href=\"#ideas-AveryQi115\" title=\"想法、规划与反馈\">🤔\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fyeya24.github.io\u002F\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_af8eb24c8ca3.png\" width=\"70px;\" alt=\"Ben Ye\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Ben Ye\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=yeya24\" title=\"文档\">📖\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fgaocegege\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_049354aee942.png\" width=\"70px;\" alt=\"Ce Gao\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Ce Gao\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"#business-gaocegege\" title=\"业务拓展\">💼\u003C\u002Fa> \u003Ca href=\"#content-gaocegege\" title=\"内容\">🖋\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=gaocegege\" title=\"文档\">📖\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FVoVAllen\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_c08e2544d9e5.png\" width=\"70px;\" alt=\"Jinjing Zhou\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Jinjing Zhou\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"#design-VoVAllen\" title=\"设计\">🎨\u003C\u002Fa> \u003Ca href=\"#ideas-VoVAllen\" title=\"想法、规划与反馈\">🤔\u003C\u002Fa> \u003Ca href=\"#projectManagement-VoVAllen\" title=\"项目管理\">📆\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FJoePassanante\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_64ffce5152ee.png\" width=\"70px;\" alt=\"Joe Passanante\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Joe Passanante\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=JoePassanante\" title=\"代码\">💻\u003C\u002Fa>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fblog.mapotofu.org\u002F\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_46fc889cf30e.png\" width=\"70px;\" alt=\"Keming\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Keming\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fissues?q=author%3Akemingy\" title=\"Bug报告\">🐛\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=kemingy\" title=\"代码\">💻\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=kemingy\" title=\"文档\">📖\u003C\u002Fa> \u003Ca href=\"#ideas-kemingy\" title=\"想法、规划与反馈\">🤔\u003C\u002Fa> \u003Ca href=\"#infra-kemingy\" title=\"基础设施（托管、构建工具等）\">🚇\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fblog.ymzymz.me\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_d6c1d3f3a0cb.png\" width=\"70px;\" alt=\"Mingzhuo Yin\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Mingzhuo Yin\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=silver-ymz\" title=\"代码\">💻\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=silver-ymz\" title=\"测试\">⚠️\u003C\u002Fa> \u003Ca href=\"#infra-silver-ymz\" title=\"基础设施（托管、构建工具等）\">🚇\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fusamoi.com\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_ab3e4f3c50e7.png\" width=\"70px;\" alt=\"Usamoi\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>Usamoi\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=usamoi\" title=\"代码\">💻\u003C\u002Fa> \u003Ca href=\"#ideas-usamoi\" title=\"想法、规划与反馈\">🤔\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fcutecutecat\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_7b02c87321db.png\" width=\"70px;\" alt=\"cutecutecat\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>cutecutecat\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=cutecutecat\" title=\"代码\">💻\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fodysa\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_21fcb0d02672.png\" width=\"70px;\" alt=\"odysa\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>odysa\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=odysa\" title=\"文档\">📖\u003C\u002Fa> \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=odysa\" title=\"代码\">💻\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmy-vegetable-has-exploded\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_e0093a32578c.png\" width=\"70px;\" alt=\"yi wang\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>yi wang\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=my-vegetable-has-exploded\" title=\"代码\">💻\u003C\u002Fa>\u003C\u002Ftd>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"http:\u002F\u002Fyihong.run\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_4790516a99e5.png\" width=\"70px;\" alt=\"yihong\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>yihong\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=yihong0618\" title=\"代码\">💻\u003C\u002Fa>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd align=\"center\" valign=\"top\" width=\"14.28%\">\u003Ca href=\"https:\u002F\u002Fyanli.one\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_readme_520e0ce82e93.png\" width=\"70px;\" alt=\"盐粒 Yanli\"\u002F>\u003Cbr \u002F>\u003Csub>\u003Cb>盐粒 Yanli\u003C\u002Fb>\u003C\u002Fsub>\u003C\u002Fa>\u003Cbr \u002F>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcommits?author=BeautyyuYanli\" title=\"代码\">💻\u003C\u002Fa>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n  \u003Ctfoot>\n    \u003Ctr>\n      \u003Ctd align=\"center\" size=\"13px\" colspan=\"7\">\n        \u003Cimg src=\"https:\u002F\u002Fraw.githubusercontent.com\u002Fall-contributors\u002Fall-contributors-cli\u002F1b8533af435da9854653492b1327a23a4dbd0a10\u002Fassets\u002Flogo-small.svg\">\n          \u003Ca href=\"https:\u002F\u002Fall-contributors.js.org\u002Fdocs\u002Fen\u002Fbot\u002Fusage\">添加您的贡献\u003C\u002Fa>\n        \u003C\u002Fimg>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftfoot>\n\u003C\u002Ftable>\n\n\u003C!-- markdownlint-restore -->\n\u003C!-- prettier-ignore-end -->\n\n\u003C!-- ALL-CONTRIBUTORS-LIST:END -->\n\n本项目遵循 [all-contributors](https:\u002F\u002Fgithub.com\u002Fall-contributors\u002Fall-contributors) 规范。欢迎任何形式的贡献！\n\n## 致谢\n\n感谢以下项目：\n\n- [pgrx](https:\u002F\u002Fgithub.com\u002Ftcdi\u002Fpgrx) - 使用 Rust 编写的 PostgreSQL 扩展框架\n- [pgvector](https:\u002F\u002Fgithub.com\u002Fpgvector\u002Fpgvector) - 使用 C 语言编写的用于向量相似性搜索的 PostgreSQL 扩展","# pgvecto.rs 快速上手指南\n\npgvecto.rs 是一个基于 Rust 开发的 PostgreSQL 扩展，提供高效的向量相似度搜索功能。它支持高达 65535 维的向量，并引入了 VBASE 方法以在过滤条件下实现更精准的查询。\n\n> **注意**：官方已推出新一代实现 [VectorChord](https:\u002F\u002Fgithub.com\u002Ftensorchord\u002FVectorChord\u002F)，具有更好的稳定性和性能。新用户建议优先考虑迁移至 VectorChord。\n\n## 环境准备\n\n*   **操作系统**：Linux, macOS, Windows (通过 Docker)\n*   **前置依赖**：\n    *   Docker & Docker Compose（推荐方式）\n    *   或本地安装的 PostgreSQL 14\u002F15\u002F16\u002F17 及 Rust 工具链（若从源码编译）\n*   **客户端工具**：`psql` 命令行工具或其他 PostgreSQL 客户端\n\n## 安装步骤\n\n推荐使用 Docker 镜像快速启动，无需配置复杂的编译环境。\n\n1.  **拉取并运行 Docker 容器**\n\n    ```sh\n    docker run \\\n      --name pgvecto-rs-demo \\\n      -e POSTGRES_PASSWORD=mysecretpassword \\\n      -p 5432:5432 \\\n      -d ghcr.io\u002Ftensorchord\u002Fpgvecto-rs:pg17-v0.4.0\n    ```\n\n2.  **连接数据库**\n\n    使用 `psql` 连接到本地运行的实例（默认用户：`postgres`，密码：`mysecretpassword`）：\n\n    ```sh\n    psql -h localhost -p 5432 -U postgres\n    ```\n\n3.  **启用扩展**\n\n    在数据库中执行以下 SQL 命令以激活 pgvecto.rs：\n\n    ```sql\n    DROP EXTENSION IF EXISTS vectors;\n    CREATE EXTENSION vectors;\n    ```\n\n## 基本使用\n\n### 1. 创建表与向量列\n\npgvecto.rs 引入了 `vector(n)` 数据类型，其中 `n` 代表向量维度（$1 \\leq n \\leq 65535$）。\n\n```sql\n-- 创建一个包含 3 维向量列的表\nCREATE TABLE items (\n  id bigserial PRIMARY KEY,\n  embedding vector(3) NOT NULL\n);\n```\n\n### 2. 插入向量数据\n\n可以直接插入数组格式的数据，或通过类型转换插入。\n\n```sql\n-- 直接插入\nINSERT INTO items (embedding)\nVALUES ('[1,2,3]'), ('[4,5,6]');\n\n-- 或者从数组转换插入\nINSERT INTO items (embedding)\nVALUES (ARRAY[1, 2, 3]::real[]), (ARRAY[4, 5, 6]::real[]);\n```\n\n### 3. 执行相似度搜索\n\npgvecto.rs 支持三种距离运算符：\n*   `\u003C->`: 欧几里得距离平方 (Squared Euclidean Distance)\n*   `\u003C#>`: 负点积 (Negative Dot Product)\n*   `\u003C=>`: 余弦距离 (Cosine Distance)\n\n**示例：查找与 `[3,2,1]` 最相似的 5 条记录**\n\n```sql\nSELECT * FROM items \nORDER BY embedding \u003C-> '[3,2,1]' \nLIMIT 5;\n```\n\n### 4. 进阶提示：半精度浮点数\n\n为了减少内存占用并提升性能，您可以使用 `vecf16` 类型替代 `vector`，它存储的是 16 位浮点数，用法与 `vector` 完全一致。\n\n```sql\n-- 示例：使用 vecf16 创建列\nCREATE TABLE items_fp16 (\n  id bigserial PRIMARY KEY,\n  embedding vecf16(3) NOT NULL\n);\n```","某电商平台的推荐系统团队需要在现有的 PostgreSQL 用户行为数据库中，实时整合商品图像特征进行“以图搜图”和个性化推荐。\n\n### 没有 pgvecto.rs 时\n- **高维支持受限**：原生方案难以高效处理超过 2000 维的深度学习图像特征向量，迫使团队对数据进行有损降维，导致推荐准确率下降。\n- **过滤结果缺失**：在执行“查找相似商品且库存大于 10\"的混合查询时，常因预过滤机制缺陷导致返回结果不足（如请求 10 条仅返回 5 条），严重影响用户体验。\n- **架构复杂冗余**：为获得高性能向量检索，不得不额外部署独立的向量数据库（如 Milvus 或 Qdrant），增加了数据同步延迟、运维成本及系统故障点。\n- **存储效率低下**：缺乏对 FP16 或 INT8 等压缩数据类型的原生支持，海量向量数据占用过多内存与磁盘空间，推高了基础设施成本。\n\n### 使用 pgvecto.rs 后\n- **突破维度限制**：直接支持高达 65535 维的向量存储与检索，完整保留模型特征信息，显著提升了图像匹配的精准度。\n- **混合查询精准**：利用独有的 VBASE 算法，完美解决带过滤条件的 TopK 搜索问题，确保在限定库存、价格等条件下仍能返回足量且准确的结果。\n- **架构极简统一**：作为 PostgreSQL 插件无缝集成，团队无需维护额外组件，直接在 SQL 中完成关系型数据与向量数据的联合查询，实现零延迟数据一致性。\n- **性能与成本优化**：通过动态 SIMD 指令加速及对二进制、FP16 等压缩类型的支持，在提升查询吞吐量的同时，大幅降低了存储资源消耗。\n\npgvecto.rs 让团队在不改变现有数据库架构的前提下，获得了企业级的高维向量检索能力，真正实现了“革命性升级向量搜索，而非替换数据库”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftensorchord_pgvecto.rs_17d023da.png","tensorchord","TensorChord","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Ftensorchord_9d058faa.png","Cloud native AI infrastructure",null,"envd-maintainers@tensorchord.ai","https:\u002F\u002Fvectorchord.ai","https:\u002F\u002Fgithub.com\u002Ftensorchord",[83,87,91,95,99],{"name":84,"color":85,"percentage":86},"Rust","#dea584",82.4,{"name":88,"color":89,"percentage":90},"PLpgSQL","#336790",12.7,{"name":92,"color":93,"percentage":94},"Shell","#89e051",3.5,{"name":96,"color":97,"percentage":98},"Dockerfile","#384d54",1.2,{"name":100,"color":101,"percentage":102},"Python","#3572A5",0.2,2167,84,"2026-04-15T00:49:20","Apache-2.0","未说明",{"notes":109,"python":107,"dependencies":110},"该工具是 PostgreSQL 的扩展插件，主要使用 Rust 编写。官方推荐使用 Docker 镜像快速启动（基于特定 PG 版本）。支持高达 65535 维的向量，提供二进制、FP16 和 INT8 等数据类型。注意：项目方已推出新实现 VectorChord，建议用户迁移至 VectorChord 以获得更好的稳定性和性能。",[111,112,84],"PostgreSQL (支持版本见 Docker 标签，如 pg17)","pgrx",[13,14,16,35],[115,116,117,118,119,120,121,122,123,124],"llm","vector","vector-database","faiss","nearest-neighbor-search","gpt","chatgpt","hacktoberfest","rust","postgres","2026-03-27T02:49:30.150509","2026-04-17T09:53:30.550297",[128,133,138,143,148,152],{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},36419,"如何从源码安装时解决扩展版本升级路径缺失的问题（例如从 0.1.1 升级到 0.2.0）？","当从源码安装时，升级所需的 SQL 文件可能未被自动复制。解决方法是手动将升级脚本复制到 PostgreSQL 的扩展目录中。\n1. 找到升级脚本：`https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fblob\u002Fmain\u002Fsql\u002Fupgrade\u002Fvectors--0.1.11--0.2.0.sql`（根据实际版本号选择对应文件）。\n2. 找到 PostgreSQL 扩展目录：通常位于 `\u002Fusr\u002Fshare\u002Fpostgresql\u002F\u003C版本>\u002Fextension`。如果不确定，可在数据库中运行 `SHOW config_file;` 找到配置文件路径，进而确定数据目录和扩展目录位置。\n3. 将 SQL 文件复制到该目录。\n4. 重新执行升级命令：`ALTER EXTENSION vectors UPDATE TO '0.2.0';`\n注意：未来版本将提供包含二进制库和所有升级文件的 tar 包以简化此过程。","https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fissues\u002F379",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},36420,"是否有不需要 root 权限运行的 Docker 镜像？","有的。项目提供了非 root（rootless）版本的 Docker 镜像。\n您可以在 Docker Hub 上查找标签中包含 \"rootless\" 的镜像，例如：\n- 通用地址：https:\u002F\u002Fhub.docker.com\u002Frepository\u002Fdocker\u002Ftensorchord\u002Fpgvecto-rs\u002Ftags?page=1&ordering=last_updated&name=rootless\n- PostgreSQL 16 的具体镜像示例：`tensorchord\u002Fpgvecto-rs:pg16-v0.2.0-alpha.2-rootless`","https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fissues\u002F261",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},36421,"如何在带有过滤条件（WHERE 子句）的查询中确保只返回特定用户的数据并提高性能？","在旧版本中，`enable_prefilter` 可能在处理过滤条件时表现不佳。建议升级到 0.1.14-beta 或更高版本，并启用 `vbase` 功能以获得更好的性能和正确的过滤结果。\n使用方法：\n1. 确保版本 >= 0.1.14-beta。\n2. 在执行查询前设置参数：`SET vectors.enable_vbase=on;`\n这样可以在使用过滤条件（如限定特定用户 ID）时，先过滤数据再进行向量搜索，避免检索到其他用户的数据，同时提升查询效率。此外，该版本兼容 pgvector 语法，方便迁移。","https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fissues\u002F205",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},36422,"是否支持 ARM 架构（如 Apple M1\u002FM2 芯片或 ARM 服务器）？","是的，目前已支持 ARM 架构。\n维护者已确认发布了 ARM 版本的镜像和构建。如果您在使用 `docker pull` 时遇到 \"no matching manifest for linux\u002Farm64\" 的错误，请尝试拉取最新版本的镜像，因为旧版本可能尚未包含 ARM 支持。对于从源码编译的用户，也可以参考 pgrx 的交叉编译指南进行构建。","https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fissues\u002F56",{"id":149,"question_zh":150,"answer_zh":151,"source_url":132},36423,"从源码编译安装时，需要修改 Cargo.toml 中的哪些配置才能成功？","从源码编译时，可能需要手动调整 `Cargo.toml` 文件中的以下两项配置以匹配您的环境：\n1. **版本号**：将 `[workspace.package]` 下的 `version = \"0.0.0\"` 修改为实际的发布版本号（例如 `0.2.0`）。\n2. **pgrx 依赖版本**：将 `[dependencies]` 下的 `pgrx` 版本修改为您系统中实际安装的版本（例如从 `0.11.2` 改为 `0.11.3`）。\n修改示例：\n```toml\n[dependencies]\npgrx = { version = \"0.11.3\", default-features = false, features = [] }\n\n[workspace.package]\nversion = \"0.2.0\"\n```\n完成修改后，再执行 `cargo pgrx install` 命令进行安装。",{"id":153,"question_zh":154,"answer_zh":155,"source_url":132},36424,"如果升级扩展时报错找不到函数（如 \"could not find function vectors_amhandler_wrapper\"），该如何解决？","此错误通常是因为扩展未正确升级或动态链接库文件未正确加载导致的。\n解决方案：\n1. **不要直接 DROP CASCADE**：这可能会删除依赖该扩展类型的数据列。\n2. **检查共享库文件**：确保 `vectors.so` (Linux) 或对应的动态库文件已正确安装在 PostgreSQL 的 `lib` 目录中（例如 `\u002Fusr\u002Flib\u002Fpostgresql\u002F14\u002Flib\u002F`）。\n3. **完整重装流程（推荐）**：如果升级路径复杂，可以尝试以下步骤：\n   - 备份数据。\n   - 停止数据库服务。\n   - 卸载旧版扩展文件。\n   - 安装新版二进制文件和库。\n   - 启动数据库。\n   - 重新创建扩展（注意：如果无法保留数据，需先导出向量数据，重建后再导入；若只需修复函数丢失，确保 `.so` 文件存在且权限正确后重启数据库通常可解决）。\n维护者建议在未来版本中使用提供的 tar 包安装以避免此类问题。",[157,162,167,171,175,180,185,190,195,199,203,208,213,218,223,227,231,235,239,243],{"id":158,"version":159,"summary_zh":160,"released_at":161},289265,"v0.4.0","## 变更内容\n* 功能：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F508 中将构建版本号递增\n* 测试：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F512 中修复了 bvector.slt 中的不稳定测试\n* 修复：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F514 中修复了 pgvector 的 ivfflat 选项兼容性问题\n* 修复：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F515 中修复了 elkan k-means 的终止条件\n* CI：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F516 中跳过崩溃测试中的 zomible 进程\n* 修复：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F522 中为向量工具函数设置了 `immutable` 标志\n* 功能：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F521 中添加了工具函数 `fence_vector_index`\n* 功能：@cutecutecat 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F510 中支持距离下推\n* CI：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F523 中锁定了 sqllogictest-bin 的版本\n* 修复：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F524 中修复了日志记录器相关问题\n* 杂项：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F525 中将分段 ID 从 UUID 替换为整数\n* 修复：@alexquick 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F531 中修复了对 48 个字符表示的 f32 向量的 `parse_vector` 解析问题\n* 修复：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F532 中为 C 代码设置了快速数学标志\n* 功能：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F530 中实现了量化重排序器\n* 功能：@kemingy 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F529 中支持 CLI\n* 功能：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F533 中实现了 1D k-means 算法\n* 修复：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F536 中解决了 CLI 冲突问题\n* 功能：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F534 中实现了 1\u002F2\u002F4 位量化\n* 修复：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F537 中修复了量化精度问题\n* 修复：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F541 中实现了使用 IvfResidual 加载 ivf_residual 文件的功能\n* 功能：@kemingy 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F517 中支持稀疏向量的倒排索引\n* 杂项：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F548 中将 Rust 工具链更新至 2024 年 8 月 5 日\n* 功能：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F538 中实现了产品量化快速扫描\n* 功能：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F550 中实现了并行 k-means 算法\n* 功能：@kemingy 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F535 中为 ivf 支持了 rabitq\n* 修复：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F551 中为 ivf 添加了 spherical_centroids 和 residual_quantization 选项\n* 重构：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F555 中移除了后端对余弦相似度的索引\n* 修复：@usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F556 中修复了 rabitq 相关问题\n* 测试：通过比较较短的向量来修复 cos 测试","2024-11-21T11:52:13",{"id":163,"version":164,"summary_zh":165,"released_at":166},289266,"v0.4.0-alpha.2","## 变更内容\n* 重构：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F591 中重写量化抽象\n* 新特性：由 @cutecutecat 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F566 中添加点积和余弦相似度指标\n* 重构：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F593 中优化 rabitq\n* 文档：由 @JinweiOS 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F595 中删除 README 中的稀疏向量搜索对比\n* 重构：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F594 中在 PQ 预处理中使用转置质心\n* 修复：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F588 中缩短目录名称长度\n\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcompare\u002Fv0.4.0-alpha.1...v0.4.0-alpha.2","2024-09-23T03:31:40",{"id":168,"version":169,"summary_zh":78,"released_at":170},289267,"v0.4.0-alpha.1","2024-09-05T08:36:03",{"id":172,"version":173,"summary_zh":78,"released_at":174},289268,"v0.3.0","2024-06-20T05:53:21",{"id":176,"version":177,"summary_zh":178,"released_at":179},289269,"v0.3.0-alpha.2","## 变更内容\n* 修复：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F443 中禁用 UNLOGGED 向量索引\n* 修复：由 @silver-ymz 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F444 中修复对 64 维 bvector 的无效检查\n* 修复：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F445 中将 `MyDatabaseId` 纳入句柄，以解决多数据库环境下 OID 冲突问题\n* 新增功能：由 @cutecutecat 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F375 中为函数添加 `optimizing_threads` 参数\n* 杂项：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F446 中增加多版本实现的另一种方案\n* 修复：由 @my-vegetable-has-exploded 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F451 中对 veci8 进行 `validate_index` 检查，并移除已弃用的功能\n* 新增功能：由 @whateveraname 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F448 中添加独立测试\n* 修复：由 @cutecutecat 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F453 中修复优化线程死锁问题\n* 新增功能：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F462 中实现 CREATE INDEX 的同步操作\n* 修复：由 @my-vegetable-has-exploded 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F469 中修复 OpenAI 选项的 GUC 设置问题\n* 新增功能：由 @my-vegetable-has-exploded 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F463 中支持向量的聚合函数\n* 修复：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F472 中为部分向量类型实现 Elkan K-means 算法\n* 修复：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F478 中在 `pg_vector_index_stat` 中跳过分区表\n* 修复：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F481 中使用 f*_algebraic 内建函数，而非 f*_fast 内建函数\n* 新增功能：由 @my-vegetable-has-exploded 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F480 中支持逐元素乘法\n* 新增功能：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F485 中为所有向量类型添加 `vector_norm`、`vector_dims` 和归一化功能\n* 修复：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F487 中修正 svector 和 bvector 的 `vector_norm` 返回类型\n* 新增功能：由 @my-vegetable-has-exploded 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F489 中临时支持稀疏聚合","2024-06-01T00:01:47",{"id":181,"version":182,"summary_zh":183,"released_at":184},289270,"v0.3.0-alpha.1","0.3.0 版本的 Alpha 发布\n\n## 变更内容\n* 重构：在结果合并中，将堆的堆替换为失败者树，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F315 中完成  \n* 重构：由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F316 中实现更快的向量字符串解析算法  \n* 杂项：将向量类型的存储默认设置为 EXTERNAL，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F321 中完成  \n* 修复：移除 OpenAI 嵌入，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F336 中完成  \n* 功能：支持向量下标访问，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F329 中完成  \n* 修复：移除构造函数，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F339 中完成  \n* 杂项：修复 nightly 触发条件，由 @kemingy 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F306 中完成  \n* CI：修复 pgrx 补丁的 cargo-install，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F341 中完成  \n* 功能：支持二进制表示，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F314 中完成  \n* 杂项：使用最新的提交 SHA 来触发 nightly 发布，由 @kemingy 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F342 中完成  \n* 重构：优化删除 RPC，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F351 中完成  \n* 杂项：使切片行为与 Python 一致，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F352 中完成  \n* 杂项：在 Docker CMD 中添加 '-c logging_collector=on'，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F353 中完成  \n* 功能：支持稀疏向量，由 @silver-ymz 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F299 中完成  \n* 杂项：放弃对 pg12 和 pg13 的支持，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F344 中完成  \n* 修复：修复 svector 的比较问题，由 @silver-ymz 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F357 中完成  \n* 重构：定义详细的错误类型，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F356 中完成  \n* CI：提高并发度，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F362 中完成  \n* 文档：修复 Docker 标签，由 @VoVAllen 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F364 中完成  \n* 修复：修复 Python 测试，由 @cutecutecat 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F365 中完成  \n* CI：修复“缓存保存失败”问题，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F366 中完成  \n* 重构：添加 crate \"base\"，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F367 中完成  \n* 重构：由 whateveraname 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F328 中实现更快的 IVF 和 PQ  \n* 功能：新增 OpenAI 嵌入，由 @cutecutecat 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F350 中完成  \n* 杂项：更新博客链接，由 @gaocegege 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F370 中完成  \n* 重构：重新设计向量抽象，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F369 中完成  \n* CI：修复 nightly 发布问题，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F389 中完成  \n* CI：为发布添加 sccache，由 @usamoi 在 https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F391 中完成  \n* 修复：支持插入空值，由 @cutecutecat 在 https:\u002F","2024-03-20T12:52:59",{"id":186,"version":187,"summary_zh":188,"released_at":189},289271,"v0.2.1","## 改进\n\n- `NULL` 支持：现在可以安全地将 `NULL` 插入向量列，而不会引发错误。在创建 `pgvecto.rs` 索引时，这些 `NULL` 值会被跳过，但它们仍然存在于表中。对向量列的查询**绝不会**返回包含 `NULL` 的结果。\n- 信号处理程序修复：现在我们使用 `SIGQUIT` 而不是 `SIGHUP` 来触发正常退出，因为 `SIGHUP` 在 PostgreSQL 中被定义为重新加载配置的信号。\n- 升级脚本优化：由于部分符号重命名，从 `v0.1.10` 升级到 `v0.2.0` 的路径已失效。目前使用 `v0.1.10` 的用户可以直接升级到 `v0.2.1`。","2024-03-04T14:48:39",{"id":191,"version":192,"summary_zh":193,"released_at":194},289272,"v0.0.0-nightly","请勿使用此版本。仅供内部使用。","2024-02-26T05:45:49",{"id":196,"version":197,"summary_zh":193,"released_at":198},289273,"v0.2.1-alpha.2","2024-02-21T10:03:16",{"id":200,"version":201,"summary_zh":193,"released_at":202},289274,"v0.2.1-alpha.1","2024-02-21T07:35:28",{"id":204,"version":205,"summary_zh":206,"released_at":207},289275,"v0.2.0","## 新特性：\n- VBASE 模式集成：pgvecto.rs 集成了 OSDI 2023 上提出的前沿 VBASE 方法，并将其设为默认模式，从而大幅提升了 PostgreSQL 中向量搜索的效率。这一改进不仅加快了标准搜索流程，还确保了在应用复杂过滤条件和连接操作时结果的准确性。\n\n- FP16 支持：用户现在可以使用半精度浮点数（FP16）存储嵌入向量，仅需 float32 一半的存储空间，显著降低查询延迟。实验表明，该优化对最终召回率的影响微乎其微，低于 1%。\n\n- 异步索引构建：插入操作现为非阻塞模式，确保数据插入和索引构建过程更加流畅高效。\n\n- 查询性能提升一倍：pgvecto.rs 0.2 的查询性能相比 0.1 提升了一倍，标志着系统效率的显著飞跃。\n\n- 内部状态可视化增强：新增的 `pg_vector_index_stat` 视图为用户提供 pgvecto.rs 索引内部状态的透明视图。该功能支持实时监控索引构建过程、配置调整以及详细的统计分析，从而打造更直观、可控的工作环境。\n\n\n## 破坏性变更：\n\n- 安装时的模式变更：pgvecto.rs 的安装位置已从 public 模式迁移至 vectors 模式。此变更要求用户更新查询和脚本中对模式的引用。\n\n- 默认搜索模式更新：默认搜索模式已更新为 VBASE。若需恢复为基础搜索模式，用户需手动执行命令 `SET vectors.search_mode = basic;`。这一变更旨在使用户默认受益于 VBASE 带来的性能与准确性的提升。\n\n- prefilter 选项修订：prefilter 选项的语义已被重新定义。该选项现专门用于控制是否在搜索过程中跳过已删除的点。而此前由该选项处理的过滤场景，现已由 VBASE 模式接管，VBASE 在准确性和性能方面均更为优越。\n\n- 索引兼容性与重建要求：使用 0.2 之前版本创建的索引与 0.2 版本不兼容。从旧版本升级的用户必须重新构建索引，以确保兼容性并充分利用 pgvecto.rs 0.2 中引入的新功能和性能改进。\n\n\n## 改进\n\n在本次重大发布中，我们通过增加更多测试用例、优化错误信息以方便故障排查，以及重构代码来提升稳定性与运行流畅度，从而显著提高了 pgvecto.rs 的可靠性。","2024-02-02T05:16:13",{"id":209,"version":210,"summary_zh":211,"released_at":212},289276,"v0.2.0-alpha.2","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcompare\u002Fv0.2.0-alpha.1...v0.2.0-alpha.2","2024-01-30T09:37:43",{"id":214,"version":215,"summary_zh":216,"released_at":217},289277,"v0.2.0-alpha.1","**Full Changelog**: https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fcompare\u002Fv0.2.0-alpha...v0.2.0-alpha.1","2024-01-29T14:08:39",{"id":219,"version":220,"summary_zh":221,"released_at":222},289278,"v0.2.0-alpha","## What's Changed\r\n* ci: bump release version by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F186\r\n* ci: fix release ci by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F187\r\n* ci: fix nightly release timezone by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F189\r\n* fix: do not config cross compilation in config.toml, document it in docs by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F198\r\n* fix: fallback for memfd (kernel 3.17) by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F204\r\n* feat: allow user to set vbase range by @silver-ymz in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F206\r\n* chore: stable latest by @cutecutecat in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F209\r\n* fix: upgrade instructions by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F203\r\n* chore: move memfd detect to detect crate by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F213\r\n* feat: add nprobe into guc by @cutecutecat in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F212\r\n* feat: show index size in index info table by @kemingy in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F222\r\n* chore: fine-grained upgrade hint by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F220\r\n* chore: upgrade scripts for unsupported version by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F221\r\n* chore: fix python action image tag by @kemingy in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F229\r\n* chore: fix typos by @kemingy in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F228\r\n* chore: friendly OOM message by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F223\r\n* docs: development docs by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F226\r\n* docs: add cutecutecat as a contributor for code by @allcontributors in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F235\r\n* chore: Refine readme and replace docs with docs.pgvecto.rs by @gaocegege in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F234\r\n* fix: typo by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F237\r\n* fix: cosine distance by @kemingy in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F231\r\n* fix: simpler logic for IPC connection reusing by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F240\r\n* refactor: rework vbase by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F238\r\n* chore: add crash test by @cutecutecat in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F242\r\n* refactor: orthogonal support of vbase and prefilter by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F248\r\n* chore: stable schema generation by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F254\r\n* docs: advice developers to setup all PostgreSQL versions by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F265\r\n* feat: Add vector to vecf16 CAST by @JoePassanante in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F266\r\n* docs: add JoePassanante as a contributor for code by @allcontributors in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F271\r\n* chore: add test for partition\u002Fpartial\u002Ffp16 index by @cutecutecat in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F276\r\n* docs: Refine readme by @VoVAllen in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F274\r\n* chore: set schema and search_path by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F273\r\n* fix: docker CMD instruction by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F278\r\n* feat: transactional CREATE\u002FDROP by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F279\r\n* fix: promise flushing when committing by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F280\r\n* chore: Add test for dropping index when indexing by @xieydd in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F283\r\n* feat: add compat with pgvector by @cutecutecat in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F256\r\n* chore: upload 0.2.0 schema install script by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F289\r\n* fix: correct fp16 dot operation by @silver-ymz in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F291\r\n* chore: upload --0.2.0 schema update script by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F290\r\n* fix: prevent overflow at kmeans by @cutecutecat in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F287\r\n* fix: checking of user options by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F297\r\n* feat: support pgvector gucs compact by @cutecutecat in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F296\r\n* chore: update the release & nightly action by @kemingy in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F288\r\n* chore: fix release ci gh upload tag parameter by @kemingy in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F300\r\n* chore: allow tag to have a v-prefix by @kemingy in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F301\r\n* fix: check if prefilter enabled by @usamoi in https:\u002F\u002Fgithub.com\u002Ftensorchord\u002Fpgvecto.rs\u002Fpull\u002F302\r\n* chore: nightly token that can trigg","2024-01-24T07:24:34",{"id":224,"version":225,"summary_zh":78,"released_at":226},289279,"v0.0.0-nightly.20240123","2024-01-22T16:06:35",{"id":228,"version":229,"summary_zh":78,"released_at":230},289280,"v0.0.0-nightly.20240121","2024-01-20T16:06:13",{"id":232,"version":233,"summary_zh":78,"released_at":234},289281,"v0.0.0-nightly.20240120","2024-01-19T16:06:25",{"id":236,"version":237,"summary_zh":78,"released_at":238},289282,"v0.0.0-nightly.20240119","2024-01-18T16:06:27",{"id":240,"version":241,"summary_zh":78,"released_at":242},289283,"v0.0.0-nightly.20240118","2024-01-17T16:06:37",{"id":244,"version":245,"summary_zh":78,"released_at":246},289284,"v0.0.0-nightly.20240117","2024-01-16T16:06:30"]