在 PostgreSQL 里直接跑机器学习，用 SQL 搞定 AI 应用
PostgresML 是一个将机器学习直接集成到 PostgreSQL 数据库中的开源扩展，用 Rust 编写，并利用 GPU 加速。它解决了传统 ML 工作流中数据搬运和模型部署复杂的问题，让你能在数据库内完成模型训练、推理和向量搜索。核心能力包括：支持多种监督学习和无监督学习算法（如回归、分类、聚类）、内置 Hugging Face Transformers 模型、支持全文搜索和向量相似度搜索，并能通过 SQL 命令直接调用。它提供 Python 客户端和 Docker 镜像，方便快速部署。对于需要将 AI 功能与现有数据基础设施紧密结合的团队，PostgresML 能显著降低系统复杂度和延迟。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1准备Postgres环境
README 明确说明唯一前置条件：一个安装了开源 pgml 扩展的 Postgres 数据库。
2安装pgml扩展
在你的 Postgres 实例中安装 pgml 扩展；README 节选未给出具体命令，请以官方文档为准。
3选择部署方式
README 的 Getting started 提供两条路径：PostgresML Cloud 云服务或 Self-hosted 自托管。
4查阅官方文档
按 postgresml.org/docs 的 Getting started 指引完成安装与初始化配置。
5了解LLM与RAG能力
README 有 Large Language Models 和 RAG 章节，涵盖 Hugging Face、OpenAI、嵌入与检索。
6加入社区求助
遇到问题可到 README 中链接的 Discord 社区提问，或阅读官方博客示例。
连接 Postgres 数据库并确认 pgml 扩展已安装启用，即可开始用 SQL 调用机器学习能力。
Q：使用 PostgresML 需要什么前置条件？
A：README 说明唯一前置条件是一个安装了开源 pgml 扩展的 Postgres 数据库，无需其他额外组件。
Q：必须自己部署数据库吗？
A：不必。README 提供 PostgresML Cloud 云服务和 Self-hosted 自托管两种方式，可按需选择。
Q：支持哪些模型和算法？
A：README 提到内置 Hugging Face Transformers 模型，也支持接入 OpenAI 等提供商，并涵盖机器学习与 RAG 章节。
Q：在哪里获取帮助？
A：可访问官方文档 postgresml.org/docs、官方博客，或加入 README 中列出的 Discord 社区。
MindsDB、Apache MADlib、BigQuery ML
postgresml 是基础设施领域的开源项目，由 postgresml 开发，2022 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（6,823）位列前 7%，在基础设施分类的 1,132 个项目里位列前 10%。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。MIT许可证，可自行部署，完全免费。
它主要面向的使用场景是：推荐系统：在数据库内直接训练模型并实时推荐。同类可对比的替代方案包括 MindsDB、Apache MADlib、BigQuery ML。
freebuff-proxy
开源
聚合多账号，一键接入 OpenAI 兼容 API，轻松管理会话。
Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···
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···
