Zvec v0.6.0 正式发布，核心亮点是全新的 Turbo 量化器框架、INT8/INT4 随机旋转量化优化、Group-By 分组搜索、FTS（多语种、匹配算子、词根提取）以及 DiskANN I/O 解耦。本版本进一步提升了量化精度与内存效率，丰富了全文检索的多语言与 Unicode 支持，并让 DiskANN 的部署前所未有地简单——不再需要插件 .so 或 libaio-dev 构建时依赖。

完整 Release Notes 请查看 GitHub。

Turbo：全新量化器框架

Zvec v0.6.0 引入了 Turbo —— 一个可插拔的量化器框架，将量化逻辑与索引构建器、搜索器解耦。Turbo 建立了统一接口，未来的量化器（int8 uniform、int8 record、PQ、RaBitQ……）均可在此基础上实现，新增量化方法无需修改索引代码。

首发版本包含：

量化器抽象 —— 抽象基类配合 DistanceImpl 可调用距离句柄、首个具体实现 Fp32Quantizer 以及标量 FP32 距离内核。IndexMeta 和 IndexQueryMeta 已扩展支持量化器，IndexFactory 现已将量化器接入索引流水线。

该框架为 IVF 索引上的 RaBitQ 量化奠定了基础——一种将向量压缩为 1 比特表示的内存优化方案，在保持竞争力的召回率的同时大幅降低内存占用。Turbo 抽象确保 RaBitQ 可以干净地集成到 IVF 及其他索引类型中。Turbo 预处理器（旋转、降维）将在后续版本中推出。

INT8/INT4 随机旋转量化

INT8 的量化误差与数据范围（max − min）成正比。通过在量化前施加随机旋转，可将方差均匀分布到所有向量维度上，从而降低整体范围，提升量化精度。

本版本为 INT8/INT4 量化新增了可选的旋转参数，现已支持 HNSW、Flat和 Vamana 索引。收益显著——在相同 QPS 下召回率大幅提升：

数据集	索引	INT8 召回（前 → 后）	INT4 召回（前 → 后）
cohere-1m	HNSW	0.9285 → 0.9397	0.2114 → 0.7117
cohere-1m	Flat	0.9695 → 0.9881	0.248 → 0.8146
cohere-1m	Vamana	0.9576 → 0.9734	0.2415 → 0.771

旋转通过抽象 Rotator 基类实现，提供 FhtRotator（快速 Hadamard 变换）和 MatrixRotator 两种继承实现，为不同旋转策略提供灵活性。

Group-By 分组搜索

Zvec v0.6.0 在核心接口层、算法层与 DB 层全面引入了分组搜索（group-by deduplication）。用户现在可以按组返回 Top-K 结果，而非全局 Top-K —— 这对于去重近似文档、按类别返回多样化结果或实现分组分页至关重要。

核心能力：

支持 fetch_vector、is_linear 和 bf_pks 查询模式
适用于 Flat（稠密 & 稀疏）、HNSW（稠密 & 稀疏）和 HNSW-RaBitQ 索引
Group-By 与 refiner 搜索互斥（设置 refiner_param 时将被拒绝）
不支持的索引类型（DiskANN、IVF、Vamana）现在会快速报错 IndexError_Unsupported，而非静默返回空或错误结果

Group-By 搜索已在 Python API 中暴露：

from zvec import Query, GroupByParam

result = collection.query(
    queries=Query(
        field_name="embedding",
        vector=[0.1] * 128,
        group_by_param=GroupByParam(
            group_topk=3,       # 每组返回 Top-K
            group_count=10,     # 返回组数
        ),
    ),
    topk=30,
)

FTS：多语种、匹配算子与词根提取

在 v0.5.0 原生全文检索的基础上，本版本大幅扩展了 FTS 文本分析流水线，新增全 Unicode 支持、多语言词干提取与生产级标准分词器。

标准分词器（UAX #29）

以 Unicode 17 UAX #29 词边界表替换了此前的通用类别分词器，表数据由官方 Unicode 数据生成。新分词器实现了 Lucene 风格的 token 选择，覆盖字母数字、数字、表意文字、平假名、片假名、韩文字母、东南亚文字、区域指示符及常见 emoji 序列——使 Zvec 的分词行为与 Elasticsearch 标准分词器更加接近。

utf8 小写与 ASCII 折叠

集成 utf8proc 2.11.3，将整个 FTS 文本分析流水线升级为全 Unicode 支持：

LowercaseTokenFilter：基于码点的 lowercase 转换，替换了字节级 std::tolower
AsciiFoldingTokenFilter（新增）：通过 NFKD 分解 + STRIPMARK 将 Unicode 字符转换为 ASCII 等价物，并为无分解映射的字符提供补充折叠表（ø→o、đ→d、ß→ss、Æ→AE、Þ→TH 等）

词干提取过滤器

基于 Snowball 3.1.1 新增了词干提取过滤器，将单词还原为词根形式，支持 34+ 种语言，通过 extra_params 中的 stemmer_lang 配置（默认英语）。

from zvec import FieldSchema, DataType, FtsIndexParam

FieldSchema(
    "content",
    DataType.STRING,
    index_param=FtsIndexParam(
        tokenizer_name="standard",
        filters=["lowercase", "ascii_folding", "stemmer"],
        extra_params={"stemmer_lang": "english"},
    ),
)

DiskANN I/O 解耦

在 v0.6.0 之前，DiskANN 以独立的运行时插件 .so 形式提供，需要在构建时硬依赖 libaio-dev。本版本用更简洁、更健壮的设计替换了该方案：

运行时 dlopen：线程安全的单例在运行时 dlopen libaio.so 并缓存系统调用指针——不再需要 libaio-dev 构建依赖
优雅降级：如果 libaio 不存在，DiskANN 自动降级为同步 pread() 并输出告警
简化部署：不再需要分发或预加载插件 .so——DiskANN 现在直接编译进核心库

在 Cohere 1M 上的性能对比（阿里云 g9i，PL0，10000 IOPS）显示，启用 AIO 的 pread 提供约为同步降级模式 1.7 倍的 QPS，而召回率完全一致——因此装有 libaio 的系统仍可自动获得完整性能。

性能改进

FTS Conjunction 查询加速：为 ConjunctionIterator 新增 block-max 跳过与分数提前退出——通过检查 block-max 分数上界跳过整块非竞争性文档（128 篇），并在剩余上界无法超越阈值时短路分数累加。基准测试（50 万文档，quora 数据集）：AND 查询提速 22–38%，短语查询提速 33%。
Python 零拷贝向量查询：用 VectorViewClause 直接指向 numpy 缓冲区替换 serialize_vector 的 memcpy，消除了 Python 稠密向量查询中的冗余内存拷贝。

其他改进与修复

DiskANN C API：新增完整的 DiskANN C API 接口，包括索引参数 setter/getter、查询参数 CRUD 操作以及向量 / 分组向量 / 子查询的查询连接。
Collection 一致性：修复 CreateIndex/DropIndex DDL 失败时仍保持当前写入 segment 不变，避免持久化任务破坏活跃 segment。
索引稳定性：修复 DiskANN 和 HNSW 稀疏构建器进度循环中的丢失唤醒竞态、IVF nprobe 选中列表扫描以及 IVF 索引杂项 bug。
FTS 正确性：修复 segment 统计信息在 reopen 时未写入、零匹配过滤器语义、compaction 期间全局 doc id 间隙以及只读索引快照无需 flush 等问题。
Collection：修复只读 collection 时 LOCK 文件以只读模式打开。
构建：将编译器设置传递到 Arrow ExternalProject、将 CMAKE_C_COMPILER 传递到 LZ4、适配 Xcode 26.5 重命名的 libtool 版本字符串，并声明仅支持 64 位 Python。

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——欢迎访问我们的官方路线图。

Zvec v0.6.0 正式发布

本页目录