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。

兼容 Redis 和 Memcached 协议的内存数据库，用多线程架构提升吞吐量，可直接替换现有缓存层。

面向不可预测增长的 Agent 负载设计的分布式数据库，原生支持事务、分析与向量检索，避免数据孤岛和资源争抢。

给 Postgres 加上向量相似度检索能力的开源扩展，支持精确和近似最近邻搜索，让 RAG 和语义检索直接跑在现有数据库里。

MySQL 的社区分支，由原 MySQL 核心团队维护，提供功能完整、稳定且许可证宽松的开源关系型数据库，支持全文检索、GIS 和向量近邻搜索。

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。

兼容 MySQL 的多模态向量数据库，用统一 SQL 同时查询结构化与非结构化数据，支持向量 upsert 和检索，主打高并发、超低延迟。

用 Rust 和 DataFusion 从零实现向量数据库，边写代码边学 HNSW、IVF 等近似最近邻检索原理，适合系统编程练手。

向量数据库性能与性价比基准测试工具，支持多种向量库的统一压测和结果对比，方便选型时横向评估。

基于并行图计算的高性能向量数据库，用于存储和检索 embedding 向量，支撑语义搜索与 LLM 应用。

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。

一个用 C# 编写的 ACID 文档数据库，内置全文搜索、索引、分片和空间查询，适合需要强一致性和复杂检索的 NoSQL 场景。

一套用于压测向量搜索引擎的基准框架，可对比不同向量数据库的检索性能，帮你在选型时拿到实测数据。

已归档的历史仓库，原用于向量检索与向量数据库的教程和工具集；团队现已转向自托管推理引擎 SIE，覆盖嵌入、重排、OCR 与文档处理。

用 Rust 写的高性能向量图神经网络数据库，把向量检索、GNN 推理和智能体记忆放在一起，主打实时决策和低延迟自学习。

纯 Java 实现的嵌入式向量搜索引擎，支持磁盘索引和增量更新，适合在 JVM 应用里直接做近似最近邻检索，不用额外部署服务。

一个免代码的 RAG 服务器，能随文档更新自动同步答案，支持 8 种向量数据库，基于 Pathway 构建。

开源的向量数据库，专门给 AI 应用做检索基础设施，支持 RAG、语义搜索和智能体记忆存储，底层用 Rust 重写后性能更强。

面向稠密向量的高效相似度检索与聚类库，支持十亿级向量近邻搜索，是构建向量数据库和 RAG 检索层的底层引擎。

高性能云原生向量数据库，专为大规模向量近似最近邻检索设计，适合搭建以图搜图、语义搜索和 RAG 等应用。

LanceDB 官方的示例与教程合集，用向量检索搭配大模型，演示多模态 RAG、Agent 和微调等场景的落地写法。

高性能大规模向量数据库与向量检索引擎，用 Rust 编写，支持 HNSW、混合检索和图像搜索，适合为 AI 应用和 RAG 提供相似度检索能力。

面向 RAG 场景的 AI 搜索数据库，支持语义检索与语言模型集成，帮开发者把非结构化数据变成可检索的知识库。

开源向量数据库，同时存储对象和向量，把向量检索和结构化过滤结合起来，具备云原生数据库的容错与扩展能力。

C# .NET 的嵌入式 NoSQL 数据库，支持键值、对象存储、全文检索、语义检索和向量层，提供 ACID 事务，适合在应用内直接嵌入做多范式数据管理。

分布式低延迟图+向量数据库，兼容 Neo4j Bolt/Cypher 和 Qdrant gRPC，无需改代码即可切换，支持亚毫秒 HNSW 检索与图遍历。

把本地文档和音视频文件建成向量库，用自然语言提问就能检索并回答，适合搭建私有 RAG 问答。

用 C++ 写的开源内存搜索引擎，支持模糊容错、分面和地理检索，可作为 Algolia、Pinecone 或 ElasticSearch 的轻量替代，快速搭建搜索体验。

高性能 AI 流水线引擎，C++ 内核搭配 50+ 可扩展 Python 节点，支持多模型提供商、向量数据库和 Agent 编排，可在 IDE 中构建调试 LLM 工作流。

轻量级进程内向量数据库，主打极速检索，适合在本地为 RAG、语义搜索和 LLM 记忆等场景提供向量与全文检索能力。

开源分布式数据库，兼容 MySQL，支持 HTAP 混合负载与全文检索，用一套引擎承载 OLTP、分析和 AI 场景下的高要求业务。

给 Redis 加上二级索引、全文检索、向量相似度搜索和聚合能力的查询索引引擎，让 Redis 直接承担搜索与 RAG 检索场景。

一个不到 2KB 的轻量搜索引擎，能在浏览器、服务端或边缘网络里跑全文、向量和混合检索，还自带 RAG 流水线，适合做本地化搜索和轻量检索增强。

面向大规模数据与机器学习的 AI 搜索平台，支持向量检索、张量计算和推荐排序，适合搭建 RAG 与搜索服务。

面向 AI 应用的文档处理与 RAG 框架，把私有数据接入大模型，支持构建检索增强、智能体和多智能体应用。

高性能内存键值数据库，兼作缓存、消息队列和向量检索引擎，帮实时数据应用把读写延迟压到毫秒级。

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。

面向 AI Agent 的自进化上下文数据库，把 Agent 记忆、知识 RAG 和技能统一管理，解决多来源上下文分散、难以持续演进的问题。

面向 RAG 的文档索引方案，不依赖向量数据库，用推理方式定位和检索文档内容，适合构建 Agent 式检索流程。

Milvus 向量数据库的图形化管理界面，可视化查看集合、索引和数据，省去手写命令的麻烦。