Zvec v0.5.0 正式发布，核心亮点是原生全文检索（FTS）与全新的 DiskANN 索引。借助 FTS + 向量混合检索，Zvec 将稠密向量、稀疏向量、标量过滤与文本统一到同一个嵌入式引擎。本版本同时统一了查询 API，让多路查询与重排延迟更低、各语言 SDK 行为一致，加速了 optimize，并提升了索引构建的稳定性。

完整 Release Notes 请查看 GitHub。

原生全文检索与混合检索

Zvec v0.5.0 引入了原生全文检索。现在你可以通过 FtsIndexParam 为任意字符串字段挂载 FTS 索引，并使用自然语言匹配串或结构化查询表达式进行检索——无需依赖外部搜索引擎。借助 MultiQuery 中的 FTS + 向量混合检索，文本与向量信号可在单次查询中组合，使 Zvec 成为完整的进程内混合检索引擎。

定义带 FTS 索引的字段：

import zvec
from zvec import FieldSchema, DataType, FtsIndexParam, CollectionOption

schema = zvec.CollectionSchema(
    name="docs",
    fields=[
        FieldSchema("title", DataType.STRING, nullable=False),
        FieldSchema(
            "content",
            DataType.STRING,
            nullable=False,
            index_param=FtsIndexParam(
                tokenizer_name="standard",
                filters=["lowercase"],
            ),
        ),
    ],
)

collection = zvec.create_and_open(
    path="/path/to/db",
    schema=schema,
    option=CollectionOption(read_only=False, enable_mmap=True),
)

执行全文查询：

from zvec import Query, Fts

# 自然语言匹配
result = collection.query(
    queries=Query(field_name="content", fts=Fts(match_string="machine learning")),
    topk=10,
)

# 结构化查询表达式
result = collection.query(
    queries=Query(field_name="content", fts=Fts(query_string='+vector -slow "exact phrase"')),
    topk=10,
)
print(result)

向量 + FTS 混合检索并融合排序：

在单次 query 中同时传入"稠密向量"与"全文检索"两路查询，由 reranker 将两路结果融合为单一排序（混合查询必须显式指定 reranker）。

from zvec import Query, Fts
from zvec.extension.multi_vector_reranker import RrfReRanker

reranker = RrfReRanker(rank_constant=60)
result = collection.query(
    queries=[
        Query(field_name="dense_embedding", vector=[0.1] * 768),
        Query(field_name="content", fts=Fts(match_string="machine learning")),
    ],
    topk=10,
    reranker=reranker,
)
print(result)

FTS 索引还可通过 Collection::CreateIndex / DropIndex 在运行时管理，无需重建 collection 即可新增或删除全文索引。

全新 DiskANN 索引

Zvec v0.5.0 新增了 DiskANN 索引，面向超大规模数据集的近似最近邻检索——将索引主体存储于磁盘，大幅降低内存占用。它与现有的 HNSW、IVF、Flat 索引互补，让你在大数据集上对内存/召回/吞吐的权衡有更多选择。

定义一个使用 DiskANN 索引的向量字段：

import zvec
from zvec import VectorSchema, DataType, DiskAnnIndexParam, CollectionOption, MetricType

schema = zvec.CollectionSchema(
    name="docs",
    vectors=[
        VectorSchema(
            "embedding",
            DataType.VECTOR_FP32,
            dimension=128,
            index_param=DiskAnnIndexParam(
                metric_type=MetricType.L2,
                max_degree=64,
                list_size=100,
            ),
        ),
    ],
)

collection = zvec.create_and_open(
    path="/path/to/db",
    schema=schema,
    option=CollectionOption(read_only=False, enable_mmap=True),
)

写入向量数据：

from zvec import Doc

docs = [
    Doc(id=f"{i}", vectors={"embedding": [0.1 * i + 0.01 * j for j in range(128)]})
    for i in range(100)
]
collection.insert(docs)

基于 DiskANN 索引执行向量检索：

from zvec import Query, DiskAnnQueryParam

result = collection.query(
    queries=Query(
        field_name="embedding",
        vector=[0.1] * 128,
        param=DiskAnnQueryParam(list_size=100),  # list_size 越大召回越高，磁盘读取也越多
    ),
    topk=10,
)
print(result)

说明： DiskANN 后端以运行时插件形式提供，目前支持 Linux x86_64，并依赖运行时的 libaio（如 libaio1 / libaio1t64）。插件会在首次使用时自动加载——你也可以通过 zvec.load_diskann_plugin() 显式预加载。

统一查询 API 与原生多路查询

查询接口变得更简洁、更高效。VectorQuery 已统一为单一的 Query 类型——向量检索、按 ID 查询与 FTS 共用一致的入口。VectorQuery 作为已弃用的别名保留，并将在未来版本中移除，请尽快迁移到 Query。

import zvec
result = collection.query(
    queries=zvec.Query(
        field_name="dense_embedding",
        vector=[0.1] * 768,
    ),
    topk=100,
    include_vector=False,
)
print(result)

在底层，多路查询与 reranker 逻辑已从 Python 迁移到原生 C++ 引擎。这带来三项具体收益：

更低延迟：reranker 在引擎内、数据旁就近计算，消除了 Python 边界的序列化与 GIL 竞争。
行为一致：逻辑只有一份 C++ 实现，多路查询与重排在所有语言绑定（Python、Go、Rust、C++）上表现完全一致——不会出现各 SDK 在排序或融合上的偏差。
更易演进：单一事实来源意味着修复与优化一处生效、全局受益，新增语言绑定零成本继承该能力。

生态与平台

除了核心引擎，本版本 Zvec 在官方语言 SDK、可视化管理工具与硬件支持上同步拓展：

官方 Go SDK（zvec-go）：基于 cgo 包装 libzvec_c_api，提供 Linux（x64/ARM64）、macOS（ARM64）、Windows（x64）的预编译库。
官方 Rust SDK（zvec-rust）：安全、惯用法的 Rust 绑定，提供 RAII 资源管理、Builder API 与 Result<T> 错误处理，覆盖 macOS、Linux 与 Windows。
Zvec Studio（zvec-studio）：可视化管理工具——无需写代码即可浏览数据、调试查询、管理 schema。可通过 pip install zvec-studio 安装，或下载 macOS / Linux / Windows 桌面安装包。
RISC-V 支持：Zvec 现已支持在 RISC-V 架构上构建与运行。从 x86、ARM 到 RISC-V，Zvec 的全平台覆盖再进一步，让向量检索能力延伸到更广泛的硬件与边缘场景。

改进与修复

Optimize 加速：optimize 在大 segment 上减少了冗余计算，速度更快。
SQL 引擎隔离：每个 segment 独立查询，避免优化器跨 segment 交叉污染。
输出字段裁剪：fetch() 新增 output_fields 参数，可控制返回哪些字段。
索引稳定性：提升 RaBitQ 在构建和 optimize 过程中的稳定性与结果质量。
可空列：修复添加可空列时的崩溃，以及可空字段过滤时可能漏出 null 数据的问题。

路线图

如需了解 Zvec 未来的规划方向 — 包括存储可扩展性、更多算法支持以及更多语言 SDK — 欢迎查看我们的官方路线图。

Zvec v0.5.0 正式发布

原生全文检索与混合检索

全新 DiskANN 索引

统一查询 API 与原生多路查询

生态与平台

改进与修复

路线图

本页目录