📌 项目简介
Zvec 是阿里巴巴开源的轻量级进程内向量数据库（In-process Vector Database）——无需启动独立服务，直接嵌入你的应用代码中运行。它以闪电般的速度完成数十亿级向量的相似性搜索，同时支持密集向量、稀疏向量、混合检索和全文搜索，是构建 RAG 应用、AI Agent 记忆系统和语义搜索引擎的理想底层引擎。
经过阿里巴巴集团内部生产环境验证，Zvec 在保持极简部署的同时提供了企业级的低延迟和高吞吐能力。
⚙️ 安装要求和过程
环境要求
- 操作系统：Linux（x86_64 / ARM64）、macOS（ARM64）、Windows（x86_64）
- Python 版本：3.10 ~ 3.14（pip 安装方式）
- Node.js / Go / Rust / Dart：均有官方 SDK 支持
快速安装（Python）
# 一行命令安装
pip install zvec
# 验证安装
python -c "import zvec; print('Zvec OK')"一分钟上手示例
import zvec
# 定义集合 Schema
schema = zvec.CollectionSchema(
name="example",
vectors=zvec.VectorSchema("embedding", zvec.DataType.VECTOR_FP32, 4),
)
# 创建集合
collection = zvec.create_and_open(path="./zvec_example", schema=schema)
# 插入文档
collection.insert([
zvec.Doc(id="doc_1", vectors={"embedding": [0.1, 0.2, 0.3, 0.4]}),
zvec.Doc(id="doc_2", vectors={"embedding": [0.2, 0.3, 0.4, 0.1]}),
])
# 向量相似度搜索
results = collection.query(
zvec.Query(field_name="embedding", vector=[0.4, 0.3, 0.3, 0.1]),
topk=10
)
print(results)📦 其他语言 SDK
🔥 核心功能
- 极速检索 —— 十亿级向量毫秒级响应
基于 HNSW 等高效索引算法，在数十亿向量规模下仍能实现毫秒级延迟的相似度搜索。 - 密集 + 稀疏向量双模态支持
同时支持 Dense Vector（浮点密集向量）和 Sparse Vector（稀疏向量），适配不同 Embedding 模型输出格式。 - 原生全文搜索（FTS）
v0.5.0 新增！可为任意字符串字段附加 FTS 索引，支持自然语言或结构化表达式查询，无需外部搜索引擎。 - 混合检索（Hybrid Search）
单次MultiQuery融合向量相似度、全文搜索、标量过滤和多维度排序，返回精确结果。 - DiskANN 磁盘索引
v0.5.0 新增！将大部分索引数据放在磁盘上，大幅降低大规模数据集的内存占用。 - 持久化存储（WAL 日志）
Write-Ahead Logging 保证崩溃安全——即使进程异常退出或断电，数据也绝不丢失。 - 多语言生态 + 可视化工具
官方提供 Python / Node.js / Go / Rust / Dart 五种 SDK，另有 Zvec Studio 图形化管理工具。
💡 典型使用场景
场景一：RAG 检索增强生成系统
将文档切片后的 Embedding 向量存入 Zvec，用户提问时先做语义检索召回相关片段，再送入 LLM 生成回答。Zvec 的本地化特性意味着零网络延迟、零外部依赖，特别适合隐私敏感的企业 RAG 场景。
场景二：AI Agent 长期记忆
为 AI Agent 构建持久化的记忆库——将用户交互、偏好、历史决策编码为向量存入 Zvec，Agent 启动时自动加载记忆上下文。WAL 持久化确保记忆永不丢失，混合检索支持按时间、主题、情感等多维度精准回忆。
场景三：边缘设备 / 本地优先语义搜索
作为进程内库嵌入到笔记本 App、IoT 设备或 CLI 工具中，实现离线语义搜索能力。无服务端依赖、资源占用极小，支持 ARM64 和 RISC-V 架构，从云端到边缘全覆盖。
✨ 推荐理由
用过不少向量数据库后，Zvec 的设计哲学让我印象深刻：“Just Works”——不需要配置服务器、不需要 Docker、不需要外部依赖。一个 pip install zvec 就能开始使用。
对比同类方案：
| 特性 | Zvec | 传统向量数据库 |
|---|---|---|
| 部署方式 | 一行 pip install | 独立服务 + 配置集群 |
| 外部依赖 | 零依赖 | Redis/Elasticsearch 等 |
| 全文搜索 | 内置 FTS | 需额外集成 ES |
| 混合检索 | 原生支持 | 需自行编排 |
| 适用场景 | RAG / Agent / 本地应用 | 大规模分布式检索 |
v0.5.0 更是加入了全文搜索 + DiskANN + 多语言 SDK三大重磅功能，让 Zvec 从一个纯粹的向量数据库进化为全能型本地搜索引擎。对于正在搭建 RAG 系统、AI Agent 或需要本地语义搜索能力的开发者来说，Zvec 是目前最值得尝试的选择之一。
🔗 下载地址
- GitHub 仓库：https://github.com/alibaba/zvec ⭐ 14,600+ Stars
- 官方网站：https://zvec.org（含完整文档与基准测试）
- Python 包：PyPI – zvec （
pip install zvec） - Node.js 包：@zvec/zvec
- 许可证：Apache-2.0
