orama

2KB 内实现全文+向量+混合搜索,浏览器边缘都能跑

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 搜索知识 🍴 复刻 411 🐛 待处理 39 👀 关注 44
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 10608
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,另有云服务付费方案

项目预览

orama 项目界面预览图
图片来源:项目官网

项目数据

分类搜索知识
开发团队oramasearch
定价模式🏷️完全免费
价格说明开源免费,另有云服务付费方案
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议NOASSERTION
主要语言TypeScript
技术栈/模型algiorithm,data-structures,full-text,javascript,node,search,search-algorithm,search-engine,typescript,typo-tolerance,vector,vector-database,vector-database-embedding,vector-search,vector-search-engine
GitHub 星标★ 10608
上线时间2022-05-10 00:00:00
代码更新2026-10-18
仓库体积131.9 MB
本站数据更新2026-11-15
维护状态较活跃
收录时间2026-10-02
浏览次数1

项目介绍

Orama 是一个用 TypeScript 编写的轻量级全文、向量与混合搜索引擎,核心包压缩后不到 2KB,可运行在浏览器、Node.js 服务器或边缘网络。它解决的是传统搜索方案体积大、依赖重、难以在客户端或边缘直接部署的问题。核心能力包括:支持全文检索、向量检索和混合检索,内置拼写容错、前缀匹配、分词与词干处理,支持多种语言;提供数据索引、查询、过滤、排序、分组、聚合等完整搜索功能;同时可作为 RAG 管道的检索层,与嵌入模型配合实现语义搜索。它无需外部服务,数据可完全本地化,适合对隐私、延迟和成本敏感的场景。API 简洁,支持插件扩展,可持久化索引,在浏览器、Serverless 和边缘函数中都能低开销运行。

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 2026-10-02 · 当前星标 ★ 10608

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 6 步

环境要求

  • 支持 ESM 的 JavaScript 运行环境(Node.js、浏览器或 Deno)
  • 已安装 npm、yarn、pnpm、bun 中任一包管理器
  • 无需部署外部服务或数据库,数据可完全本地化

安装与启动步骤

  1. 1安装 Orama 包

    在项目目录中安装 @orama/orama,核心包体积极小,可选 npm、yarn、pnpm 或 bun。

    npm i @orama/orama
  2. 2创建实例与 schema

    用 create() 初始化数据库并声明索引字段与类型;向量字段必须写成 vector[维度] 并在初始化时确定。

    import { create } from '@orama/orama'
    
    const db = create({
      schema: {
        name: 'string',
        description: 'string',
        price: 'number',
        embedding: 'vector[1536]',
        meta: {
          rating: 'number',
        },
      },
    })
  3. 3插入文档数据

    用 insert() 写入文档,字段需与 schema 对应;若含向量字段,需传入与声明维度完全一致的数组。

    import { insert, remove } from '@orama/orama'
    
    insert(db, {
      name: 'Noise cancelling headphones',
      description: 'Best noise cancelling headphones on the market',
      price: 99.99,
      meta: { rating: 4.5 },
      // 若 schema 声明了 embedding,此处需传入 1536 个数字的数组
    })
  4. 4执行搜索查询

    调用 search() 传入 term 做全文检索,返回值包含 hits、count 和查询耗时 elapsed。

    import { search } from '@orama/orama'
    
    const results = search(db, {
      term: 'Best headphones',
    })
    
    console.log(results)
  5. 5浏览器直接引入

    不想打包时,可在 HTML 里用 type="module" 的 script 从 jsDelivr CDN 直接 import 使用。

    <script type="module">
      import { create, insert, search } from 'https://cdn.jsdelivr.net/npm/@orama/orama@latest/+esm'
    </script>
  6. 6Deno 环境引入

    在 Deno 中可复用同一 CDN 地址,也可直接用 npm: 说明符导入包。

    import { create, search, insert } from 'npm:@orama/orama'

关键配置

配置项必填说明示例
schema是create() 时声明索引字段名与数据类型,决定可检索内容schema: { name: 'string', price: 'number' }
vector[<size>]否向量字段类型,维度必须在 schema 初始化时写死用于向量检索embedding: 'vector[1536]'
term是search() 的查询关键词,即用户输入的检索词term: 'Best headphones'

如何确认成功

运行脚本后 search 返回的 hits 数组包含刚插入的文档、count 为预期数量,说明索引与检索已正常工作。

常见问题

Q:需要单独部署服务或数据库吗?

A:不需要。Orama 是纯 TypeScript 库,无外部依赖,可直接跑在浏览器、Node.js 或边缘网络,数据完全本地化。

Q:有哪些安装方式?

A:支持 npm、yarn、pnpm、bun;浏览器可通过 jsDelivr CDN 以 ES module 引入,Deno 可用 npm: 说明符导入。

Q:向量检索怎么写?

A:在 schema 中声明 vector[维度] 字段并写入等长向量,再调用 searchVector 查询;维度必须在初始化时确定。

Q:支持哪些字段类型?

A:string、number、boolean、enum、geopoint 及对应的数组类型,加上 vector[size],README 称共 10 种。

注意事项

  • README 未给出 Node.js 最低版本要求,请使用支持 ESM 的较新版本。
  • 向量字段维度必须在 schema 初始化时声明,写入数据维度不一致会出错。
  • CDN 引入使用 @latest,生产环境建议锁定具体版本号。
  • 内置拼写容错、前缀匹配,以及 30 种语言的分词与词干处理(README 提及)。

核心亮点

  • 核心包小于 2KB,适合浏览器和边缘函数等资源受限环境
  • 同时支持全文、向量和混合搜索,一套 API 覆盖多种检索需求
  • 内置拼写容错、前缀匹配、多语言分词,开箱即用无需额外依赖

不足之处

  • 超大规模数据集的索引与查询性能未在文档中充分说明,需自行压测
  • 生态和插件数量相比 Elasticsearch 等成熟方案仍较少

适用场景

  • 在纯前端应用中实现离线可用的站内搜索
  • 在边缘函数中为 RAG 应用提供低延迟向量检索
  • 为文档、笔记类工具添加本地全文与语义混合搜索

替代项目

Meilisearch、Typesense

上一篇:crypto-rag

下一篇:RAG-Assistant-for-Zotero

同类项目推荐

distil-text2sql 开源

用大白话问数据库,自动出 SQL 和结果

Query your data in plain English with a fine-tuned Text2SQL model

★ 295 2026-09-16
second-brain-os 开源

让 AI 自动整理 Obsidian 笔记,知识库自己长大

Guides and resources for AI engineers: an agents course, five handbooks, a hands-on ···

★ 1576 2026-09-28
JustSearch 开源

让 AI 自动拆解搜索任务,深度阅读网页,带来源汇总答案

基于 Chrome 扩展桥接的自主 AI 搜索智能体。支持迭代式任务规划、真机深度网页阅读,以及···

★ 59 2026-08-09
OpenDocuments 开源

连接多源文档,自托管 AI 问答,答案带引用。

Self-hosted RAG platform for AI document search across GitHub, Notion, Google Drive,···

★ 127 2026-08-09
nucliadb 开源

把任意数据变成可搜索的 AI 知识库,快速搭建 RAG 应用。

NucliaDB, The AI Search database for RAG

★ 723 2026-08-09
lizheng-open-context 开源

把立正公开内容变成可溯源的 AI 上下文库

Source-grounded public context for 立正: Superlinear posts, selected comments, YouTu···

★ 171 2026-09-12
reor 开源

本地AI自动关联笔记,让知识自动浮现

Private & local AI personal knowledge management app for high entropy people.

★ 8531 2026-08-09
Lore 开源

一键唤起,本地 AI 帮你整理并检索所有记忆。

Summon it with a keystroke, throw in anything you want to remember or ask your own m···

★ 250 2026-08-09