提供文本嵌入与重排模型，用于语义检索和 RAG 场景，把文档和查询转成向量并做相关性排序。

面向文本嵌入模型的高性能推理服务，用 Rust 编写，可快速把文本转成向量，适合搭建检索和 RAG 的向量化后端。

给 AI Agent 用的无服务器单文件记忆层，用嵌入式向量检索替代复杂 RAG 管线，让智能体拥有即时检索和长期记忆能力。

轻量级 Python 向量化库，无需 API 调用即可在本地快速生成高质量文本嵌入，适合 RAG 和向量检索场景。

面向文本嵌入、重排、CLIP、CLAP 和 ColPali 模型的高吞吐低延迟推理服务引擎，适合把向量化和重排模型部署成线上 API。

把 BERT 现代化改造：通过架构升级和规模扩展提升长文本理解与嵌入质量，适合做检索、分类和向量化任务。

Ovis 是一种多模态大语言模型架构，通过结构对齐视觉与文本嵌入，让模型能同时理解图像和文字，适合做视觉问答、图文对话等任务。

基于 FastAPI 的语义文本搜索服务，用预计算嵌入和高级相似度算法快速检索，并通过 textract 支持多种文件格式。

在 Mac 上用 MLX 本地跑视觉和文本嵌入模型的 Python 包，方便给 RAG 和检索应用生成向量，不用依赖云端 API。