import zvecschema = zvec.CollectionSchema(    name="example",    vectors=zvec.VectorSchema("embedding", zvec.DataType.VECTOR_FP32, 4),)collection = zvec.create_and_open(path="./zvec_example", schema=schema)

import zveccollection = zvec.open("./zvec_example")collection.insert(zvec.Doc(id="1", vectors={"embedding": [0.1, 0.2, 0.3, 0.4]}))

import zveccollection = zvec.open("./zvec_example")results = collection.query(    vectors=zvec.VectorQuery("embedding", vector=[0.4, 0.3, 0.3, 0.1]),    topk=10,)

极致性能

基于 Cohere 1000万向量数据集的基准测试结果 —— 详见性能测试报告

10M向量数量

~1 Hour构建索引时长

8500+每秒查询率 (QPS)

构建高效的 AI 应用

📚

RAG (检索增强生成)

通过从您的知识库中检索信息来增强 AI 模型的输出质量

🖼️

图像搜索

在大规模图像集中查找视觉上或语义上相似的图片

💻

代码搜索

通过自然语言描述来查找代码片段