weaviate

环境要求

• 已安装 Docker（Docker Desktop 或 Docker Engine）
• 已安装 Docker Compose（v2，使用 docker compose 命令）
• 可访问 cr.weaviate.io 镜像仓库
• 可选：Python 环境，用于安装 weaviate-client 客户端

安装与启动步骤

1. 1编写 compose 文件

   在空目录下新建 docker-compose.yml，按 README 示例填入 weaviate 服务与本地嵌入模型服务，注意镜像版本与端口。

   services:
     weaviate:
       image: cr.weaviate.io/semitechnologies/weaviate:1.36.0
       ports:
         - "8080:8080"
         - "50051:50051"
       environment:
         ENABLE_MODULES: text2vec-model2vec
         MODEL2VEC_INFERENCE_API: http://text2vec-model2vec:8080
   
     # A lightweight embedding model that will generate vectors from objects during import
     text2vec-model2vec:
       image: cr.weaviate.io/semitechnologies/model2vec-inference:minishlab-potion-base-32M

   复制

2. 2启动 Weaviate

   在 docker-compose.yml 所在目录执行，同时拉起数据库和本地向量化模型容器，-d 表示后台运行。

   docker compose up -d

   复制

3. 3安装 Python 客户端

   安装官方 weaviate-client 客户端库，用于向数据库导入数据并执行检索；也可改用其他官方客户端。

   pip install -U weaviate-client

   复制

4. 4运行语义检索示例

   README 给出的 Python 示例演示了导入数据、自动生成向量并做语义搜索；示例代码在 README 中未完整给出，请对照官网 Quickstart 补全后运行。

关键配置

如何确认成功

执行 docker compose ps，确认 weaviate 与 text2vec-model2vec 两个容器均为运行状态，且 8080、50051 端口已映射。

常见问题

注意事项

• 命令需在与 docker-compose.yml 相同的目录下执行。
• compose 文件中的服务名需与 MODEL2VEC_INFERENCE_API 中的主机名保持一致（text2vec-model2vec）。
• 生产环境还需考虑多租户、副本、RBAC 授权等能力，可参考官方部署文档选择 K8s 或云托管方案。
• README 中的 Python 代码片段被截断，实际导入与检索代码请以官网 Quickstart 为准。