sqlite-vector

SQLite-Vector 这个项目，简单说就是给 SQLite 数据库装上了"向量搜索"的超能力。SQLite 本身就是全球最流行的嵌入式数据库，几乎每个手机 App 和桌面软件里都有它的身影，但传统 SQLite 只能做关键词匹配，碰上"找相似图片""推荐相关内容"这种 AI 时代的需求就抓瞎了。这个扩展直接解决了这个痛点，让 SQLite 也能像专业向量数据库一样做相似度检索，而且保持了 SQLite 一贯的轻量特性，默认内存占用才 30MB，跑在手机、浏览器、边缘设备上毫无压力。 技术上的亮点相当硬核。它支持 Float32、Float16、Int8 甚至 1Bit 二值化等多种数值精度，还搞了个 TurboQuant 2/3/4-bit 量化方案，能把向量数据压缩到极致，同时用 SIMD 指令集加速距离计算，检索速度飞快。这意味着开发者不用为了向量搜索单独部署一套 Milvus 或 Pinecone 之类的重型服务，直接在现有 SQLite 文件里就能搞定语义搜索，数据还跟业务数据存在一起，不用搞数据同步。 适用场景非常广，最典型的是做 RAG（检索增强生成）应用，比如给聊天机器人接上私有知识库，或者做电商网站的以图搜图、内容推荐系统。移动端开发者尤其受益，因为 iOS 和 Android 都能跑，离线状态下也能实现智能搜索功能。后端开发者也能用，它支持所有主流操作系统，服务器端做向量检索同样没问题。 上手门槛极低，只要会写 SQL 就能用。它就是个标准 SQLite 扩展，加载后直接执行 SQL 语句就能建向量索引、插入数据、查询相似项，不需要学新的 API 或框架。对于已经用 SQLite 的团队来说，几乎是零成本升级，唯一需要了解的就是向量嵌入的基本概念，比如怎么把文本或图片转成向量。总的来说，这个项目让向量搜索从"大厂专属"变成了"人人可用"，堪称嵌入式 AI 的利器。