AI 原生混合搜索数据库
在一个数据库中融合向量、文本、结构化与半结构化数据能力，并通过内置 AI Functions 支持多模混合搜索与智能推理
pip install pyseekdb快速上手
GitHub
GitHub快速构建
数行 Python 代码即可构建 AI 应用，轻量架构在 1C2G 上即可跑 VectorDBBench
混合搜索
向量、全文与标量过滤在一次查询中完成，支持粗排 + 精排的多阶段搜索链路
多模数据与索引
在一个引擎内同时支持标量、向量、文本、JSON、GIS 等多模数据及索引
AI 内置
在数据库内完成向量嵌入、推理、提示词管理与重排，支持 document-in/data-out 的完整 RAG 流程
SQL 原生
源于成熟的 OceanBase 引擎，支持实时写入、实时可查， ACID 事务保证，兼容 MySQL 生态
快速上手
极简的 API 设计，让您专注于构建 AI 应用
AI 应用开发
从搜索到推理，全栈赋能 AI 应用开发
混合搜索
- 一条 SQL 查询中支持基于向量的语义召回和基于关键字的召回，优化的多路召回
- 查询重排序支持权重、RRF，也支持基于大模型的重排序
- 支持标量过滤下压存储的优化，还可以使用多表关联搜索相关数据
向量 & 全文搜索
- 支持稠密向量、稀疏向量，支持曼哈顿距离、欧式距离、内积、余弦距离等多种类型向量距离的计算
- 向量索引支持基于内存的 HNSW、HNSW-SQ、HNSW-BQ 和基于磁盘的 IVF、IVF-PQ 等索引类型，优化向量存储成本
- 全文搜索支持关键字、短语及布尔表达式等多种匹配模式，支持 BM25 排序
AI 函数
- DBMS_AI_SERVICE 包用 SQL 对内置大模型服务进行管理，并支持注册外部大模型服务
- 通过 AI_EMBED 函数在 SQL 中把文本转换为向量嵌入
- 通过 AI_COMPLETE 函数在 SQL 中执行文本生成，支持用提示词模板化复用
- 通过 AI_RERANK 函数在 SQL 中使用重排序大模型对文本进行排序
语义搜索引擎
传统搜索依赖关键词匹配，难以理解真实意图。语义搜索基于嵌入和向量搜索技术理解查询语义，并支持文本、图像等多模态关联。seekdb 的混合搜索与多模型查询让搜索更准确、更智能。
灵活的部署模式
多种灵活部署模式，从快速原型开发到支撑海量用户，全面满足您的应用需求
嵌入式模式
seekdb 以轻量级库的形式嵌入您的应用，支持 pip 一键安装。适用于个人学习、快速原型开发，并可高效运行于多种端侧设备
Client/Server 模式
推荐用于测试及生产环境的部署模式，轻量易用，适合稳定高效地提供服务
平滑迁移至 OceanBase 分布式数据库
企业级、可扩展的解决方案，支持应用平滑迁移至 OceanBase 分布式数据库，从容应对海量用户访问
