数据与金融
共 18 个仓库 · Rust
用 Rust 写的极速搜索引擎 API，支持全文、模糊、地理和 AI 混合检索，几行代码就能给网站或应用加上即时搜索。
25 MB 的轻量跨平台数据库客户端，一个界面连 MySQL、PostgreSQL、Redis、MongoDB、达梦等 100+ 数据库，还自带 AI 助手、MCP Server 和 CLI。
高性能可观测性数据管道，用 Rust 编写，统一采集、转换并转发日志、指标和事件，替代多套采集代理。
基于 TurboQuant 量化算法、用 Rust 实现并带 Python 绑定的向量索引，面向 RAG 和嵌入检索场景，提供高压缩比、低内存的近似最近邻搜索。
面向多模态 AI 的嵌入式向量检索库，支持近似最近邻搜索和语义相似度检索，无需单独部署服务，帮开发者省去向量数据管理的麻烦。
基于 GraphBLAS 稀疏邻接矩阵实现的高性能图数据库，主打为 LLM 提供知识图谱支撑，适合做 GraphRAG 检索增强。
把全文检索、向量召回和聚合分析都塞进一个 Postgres 里，靠 pg_search 扩展实现 BM25 与混合搜索，省去额外维护搜索和向量库的麻烦。
基于 Rust 重写的云原生数据仓库，统一支持分析、搜索、AI 与 Python 沙箱，直接架在 S3 上，省去多套系统拼装。
面向多模态 AI 的开放湖仓数据格式，两行代码即可从 Parquet 转换，实现百倍随机访问加速、向量索引和数据版本管理，兼容 Pandas、DuckDB、PyTorch 等生态。
用 Rust 写的 OLTP 图数据库，跑在对象存储上，原生集成向量检索和全文搜索，适合给 RAG 应用做统一的数据底座。
用 Rust 写的便携式 SQL 查询、搜索与 LLM 推理引擎，给业务数据库加一个实时分析节点，让 AI 应用和智能体直接基于数据做推理。
用 Rust 写的高效近似最近邻检索算法库，集成 HNSW 等索引结构，为图像搜索、推荐系统等场景提供快速的向量相似度查询。
基于对象存储的图数据库，支持分支和类型化本体，用 Rust 写成，适合在 S3 等存储上构建可版本化的知识图谱与上下文图。
Rust 写的进程内搜索库兼多租户服务端，把 BM25 词法检索和向量检索揉在一起，适合做混合搜索和 RAG 的召回层。
用 Rust 写的高性能多线程 Redis/Valkey 替代品，可直接替换现有部署，并内置全文检索和向量搜索，适合做缓存和 RAG 检索后端。
把 Elasticsearch 包装成 MCP 服务器，让 AI Agent 能直接检索索引、执行查询和管理向量数据，省去自己写对接层。
用 Rust 写的高性能本地 AI 记忆检索引擎，带桌面 GUI，能对 agent 历史做关键词加可选语义的混合召回，解决本地对话记录难找的问题。
轻量级 VPS 监控方案，由 Rust 编写的采集端和 Axum 服务端配合 React 网页面板，自托管即可实时查看服务器状态。