brinicle
低内存跑向量检索，小机器也能扛千万级索引
brinicle 是一个用 C++ 编写的向量索引引擎，面向低内存的生产环境。它解决的是向量检索场景中内存占用过高的问题：传统 HNSW 等索引在千万级向量时往往需要数十 GB 内存，导致部署成本高、无法在边缘或小规格实例上运行。brinicle 通过资源高效的索引结构与内存管理策略，在保持较高召回率的前提下显著压缩内存占用，适合 RAG、语义搜索、推荐召回等需要常驻服务的场景。项目同时提供 Python 接口，方便与现有 embedding 流水线集成。核心能力包括：低内存构建与查询、HNSW 近似最近邻检索、面向生产负载的稳定性优化。目前项目处于早期阶段，星标约 100，生态和文档仍在完善中。
开源
unknown
基础设施
GitHub 星标
★ 100
维护状态
活跃
是否开源
是
定价模式
unknown
项目数据
分类基础设施
开发团队bicardinal
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型brinicle,embeddings,hnsw,rag,retrieval,vector-search
GitHub 星标★ 100
30天Star增速
HF 下载量
上线时间2025-12-22 00:00:00
最近更新2026-09-14 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-18
浏览次数0
使用教程
核心亮点
- 用 C++ 实现核心索引，相比纯 Python 方案查询延迟和内存开销更低
- 明确面向低 RAM 生产负载优化，适合内存受限的部署环境
- 提供 Python 绑定，能直接接入现有 embedding/RAG 流程
不足之处
- 项目处于早期，星标约 100，生产验证案例和社区规模有限
- 文档与基准测试数据尚不完整，选型时难以评估实际召回与内存收益
适用场景
- 在 4GB/8GB 小规格云主机上部署 RAG 语义检索服务
- 边缘设备或本地私有化环境中的向量召回
- 需要常驻内存、对成本敏感的推荐/搜索召回层
替代项目
hnswlib、faiss、qdrant
项目介绍
上一篇：universal
下一篇：tool-journal
同类项目推荐
freebuff-proxy
开源
聚合多账号，一键接入 OpenAI 兼容 API，轻松管理会话。
OpenAI-compatible gateway for FreeBuff coding models. Token pool, session lifecycle,···
microduck
开源
用 Rust 造一只会走路的桌面小鸭，快速上手双足机器人。
A Tiny biped duck robot
soperator
开源
用 Kubernetes 原生方式运行 Slurm，简化 HPC 集群管理。
Run Slurm in Kubernetes
ollama
开源
一条命令本地跑起大模型，免费、私密、不卡顿
Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···