项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 835
使用教程
环境要求
- Docker
- 一个嵌入模型 API Key
安装与启动步骤
-
1起服务
Postgres + 向量化扩展,一条命令起来。
docker compose up -d -
2建扩展
在库里开启 vectorize 扩展。
CREATE EXTENSION IF NOT EXISTS vectorize; -
3配嵌入源
指定嵌入模型与源表,触发即自动向量化。
SELECT vectorize.table(job_name => 'emb', relation => 'docs', columns => ARRAY['body']); -
4检索
用 SQL 直接做语义搜索。
SELECT * FROM vectorize.search(job_name => 'emb', query => '退货政策');
如何确认成功
插入新行后能立刻被语义检索命中。
注意事项
- 它把向量化做成数据库内的调度任务,省掉外部流水线。
- 触发器会带来写入延迟,高写入场景要评估。
- 换嵌入模型需要重建 job。
核心亮点
- 无缝集成 Postgres,通过 SQL 函数和触发器即可使用,无需迁移数据
- 支持多种嵌入模型(OpenAI、HuggingFace),灵活适配不同场景
- 结合全文搜索和向量搜索,实现混合检索,提升结果相关性
不足之处
- 文档/社区待观察
- 依赖外部嵌入 API,可能增加延迟和成本
- 早期项目,功能迭代和稳定性有待验证
适用场景
- 在现有 Postgres 应用中快速添加语义搜索功能
- 构建 RAG 应用,利用 Postgres 存储文档和向量
- 需要混合搜索(关键词+语义)的场景,如电商、知识库
替代项目
pgvector、pg_search、PostgresML
上一篇:html-to-markdown
下一篇:rag-in-action
同类项目推荐
llm-chatbot-rag
开源
本地跑通PDF智能问答,让文档自己开口说话
A local LLM chatbot with RAG for PDF input files
gc-qa-rag
开源
把文档变成精准问答对,让 RAG 回答更靠谱
A RAG (Retrieval-Augmented Generation) solution Based on Advanced Pre-generated QA P···
last30days-skill
开源
一句话让 AI 扒遍全网近30天,给你有据可查的总结
AI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymarket, ···
Controllable-RAG-Agent
开源
用图算法让RAG回答复杂问题更准更可控
This repository provides an advanced Retrieval-Augmented Generation (RAG) solution f···
swarmvault
开源
把笔记变成AI能用的知识图谱,让智能体记住你的一切。
The local-first LLM Wiki: open-source knowledge graph builder, RAG knowledge base, a···
llm-wikid
开源
克隆即用,让 Claude 帮你把 Obsidian 养成第二大脑
Karpathy-style LLM knowledge base for Obsidian. Clone, run Claude Code, start buildi···
OpenViking
开源
把 Agent 记忆、知识、技能装进一个库,上下文不再割裂
Self-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and ···
SwiftSemanticSearch
开源
在 Apple 设备上实时用摄像头或文字搜索图像,全本地运行
Real-time on-device text-to-image and image-to-image Semantic Search with video stre···
openrag
开源
模块化拼装 RAG 应用,快速搭出知识问答
An open source, modular, lightweight, and extensible RAG application stack, designed···
