RuVector

用 Rust 打造的实时自学习向量图数据库,让 AI 记忆更聪明。

RuVector 是一个用 Rust 构建的高性能实时向量数据库,专为 AI 应用设计,集成了图神经网络(GNN)和记忆数据库能力。它解决了传统向量数据库在实时性、自学习和图关系处理上的不足,支持 OCR、注意力机制等 AI 特性。核心能力包括低延迟的向量检索、图结构数据存储与查询、以及基于 GNN 的自学习推理,适用于需要实时处理复杂关联数据的 AI 场景。项目采用 Rust 语言,性能优异,目前处于快速成长阶段。

开源 unknown 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 4509
维护状态 活跃
是否开源
定价模式 unknown

项目数据

分类基础设施
开发团队ruvnet
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
开源协议MIT
主要语言Rust
技术栈/模型ai,ai-ocr,attention-mechanism,gnn,gnn-model,gnns,graph,graph-neural-networks,llm-inference,low-latency,mincut,neo4j,ocr,onnx,rust,vector,wasm
GitHub 星标★ 4509
30天Star增速
HF 下载量
上线时间2025-11-19 00:00:00
最近更新2026-09-22 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2026-08-10
浏览次数10

使用教程

难度:入门 约 5 分钟 部署方式:库/依赖 6 步

环境要求

  • Node.js 环境(使用 npx / npm 安装 ruvector)
  • 原生 npm 二进制支持 glibc Linux x64/arm64、macOS x64/arm64、Windows x64
  • 浏览器等环境需改用单独的 @ruvector/wasm 包
  • 默认检索在本地运行,无需数据库服务器,也无需 API Key

安装与启动步骤

  1. 1写入一条记忆

    在项目目录下执行,语义模式会先下载并缓存本地 all-MiniLM-L6-v2 模型,记忆保存在当前项目内,后续进程仍可读取。

    npx ruvector hooks remember --semantic --type decision 
      "The customer requires all inference to remain in Canada."
  2. 2按语义召回记忆

    用自然语言提问,--top-k 控制返回条数;同样的语义检索路径,无需数据库服务。

    npx ruvector hooks recall --semantic --top-k 3 
      "Where may customer data be processed?"
  3. 3查看存储统计

    检查当前项目下的记忆存储状态与条目情况,便于确认写入是否成功。

    npx ruvector hooks stats
  4. 4在 Node.js 中嵌入使用

    安装 npm 包后,用 OnnxEmbedder 初始化本地嵌入模型,再创建 VectorDB 实例;数据边界为本进程与本地文件。

    npm install ruvector
  5. 5编写 Node.js 示例代码

    初始化嵌入器并创建向量库,维度需与嵌入模型保持一致(示例为 384 维)。

    const { OnnxEmbedder, VectorDB } = require('ruvector');
    
    async function main() {
      const embedder = new OnnxEmbedder();
      await embedder.init();
    
      const db = new VectorDB({
        dimensions: 384,
        distanceMetric: 'cosine'
      });
    }
    
    main();
  6. 6校验后端可用性

    用 info 命令确认当前选择的后端(原生核心或 RVF)能否正常加载,排查环境不匹配问题。

    npx ruvector info

关键配置

配置项必填说明示例
dimensions向量维度,必须与所用嵌入模型一致384
distanceMetric向量距离度量方式cosine

如何确认成功

执行 npx ruvector info 能正常输出所选后端信息,且 npx ruvector hooks stats 能查到刚写入的记忆条目,即为可用。

常见问题

Q:必须自己部署数据库或申请 API Key 吗?

A:不需要。默认检索路径在本地运行,无需数据库服务器和 API Key,托管服务是可选的,并且属于独立的数据边界。

Q:第一次使用语义命令为什么比较慢?

A:首次执行语义命令会下载并缓存本地 all-MiniLM-L6-v2 模型,之后复用缓存即可,属于正常现象。

Q:想更换嵌入模型或从 hash 换成语义嵌入怎么办?

A:使用 npx ruvector hooks reembed 重建既有存储;同时要保证每个存储只使用一种嵌入模型和维度。

Q:浏览器里能直接用 ruvector 吗?

A:浏览器环境请显式使用 @ruvector/wasm 包进行向量操作,它与 Node.js 原生核心是不同的包和存储边界。

Q:原生核心加载失败会怎样?

A:当原生核心和 RVF 都无法加载时,根包的降级模式能力有限,建议用 npx ruvector info 检查后端选择。

注意事项

  • 记忆默认存储在“当前项目”目录下,换目录运行会读到不同的存储。
  • 学习来自已记录的结果与反馈,而不是单纯读取,所以要保持反馈写入习惯。
  • 不要在同一存储中混用多个嵌入模型或维度,切换前先执行 reembed。
  • 可通过 ruvector、ruvector-core、ruvector-server、ruvector-postgres 等不同形态部署,各自的数据边界不同。

核心亮点

  • 基于 Rust 实现,内存安全且性能极高,适合低延迟场景
  • 集成图神经网络,支持复杂关系数据的自学习推理
  • 内置 OCR 和注意力机制,扩展了传统向量数据库的 AI 能力

不足之处

  • 项目较新,文档和社区生态尚不完善
  • GNN 和记忆数据库功能可能增加使用复杂度,上手门槛较高

适用场景

  • 实时推荐系统,需要结合用户行为图进行动态向量检索
  • 智能问答机器人,利用记忆数据库存储对话上下文并自学习
  • 图像识别流水线,结合 OCR 和向量检索进行内容关联分析

替代项目

Milvus、Qdrant、Weaviate

项目介绍

RuVector 是基础设施领域的开源项目,由 ruvnet 开发,2025 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(4,509)位列前 10%,在基础设施分类的 1,130 个项目里位列前 15%。

近 44 天,它的 GitHub 星标从 4,411 增加到 4,509,净增 98。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。从国内网络环境看,可直接访问。

它主要面向的使用场景是:实时推荐系统,需要结合用户行为图进行动态向量检索。同类可对比的替代方案包括 Milvus、Qdrant、Weaviate。

上一篇:MinerU

下一篇:inference

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。

Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···

★ 213 2026-08-20
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

★ 8684 2026-09-10
soperator 开源

用 Kubernetes 原生方式运行 Slurm,简化 HPC 集群管理。

Run Slurm in Kubernetes

★ 439 2026-08-10
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···

★ 181484 2026-08-09