Zvec Vector Database: Tìm Kiếm Vector Nhúng Trong C++

Vấn đề nó giải quyết

Phần lớn vector database — Milvus, Qdrant, Weaviate — chạy như một dịch vụ riêng mà bạn phải triển khai, kết nối qua mạng và vận hành. Với một notebook, một công cụ CLI, một ứng dụng desktop hay một thiết bị edge, đó là quá nhiều thứ phải lo cho cái vốn chỉ là một index cục bộ. Bạn hoặc gánh việc vận hành server, hoặc gắn tìm kiếm vector lên Postgres. Câu trả lời của Zvec là chạy database in-process, giống cách SQLite làm với dữ liệu quan hệ: index là một lời gọi thư viện, không phải một bước nhảy qua mạng.

Đây là gì?

Zvec vector database là một vector database in-process mã nguồn mở (Apache-2.0) viết bằng C++ và được Alibaba duy trì. Thay vì triển khai kiểu client-server, nó nhúng như một thư viện bên trong ứng dụng của bạn và lưu các collection trên đĩa cục bộ. Nó hỗ trợ vector dày và thưa, nhiều loại index (HNSW nằm trong topics của repo; một index DiskANN trên đĩa được thêm ở v0.5.0), full-text search gốc trên các trường chuỗi, hybrid retrieval trong một truy vấn duy nhất, và write-ahead logging để dữ liệu sống sót qua sự cố. README nói nó đã được dùng bên trong Alibaba Group.

Vì sao đang được chú ý

Đây là một dự án được Alibaba hậu thuẫn đã vượt khoảng 14.7k sao GitHub, và bản v0.5.0 (tháng 6 năm 2026) thêm full-text search, hybrid retrieval và một index DiskANN trên đĩa, cùng SDK Go và Rust chính thức và một công cụ trực quan tên Zvec Studio. Góc nhìn in-process, nhúng-mọi-nơi — tìm kiếm vector mà không phải chạy server — chính là mô hình đã làm sqlite-vec và LanceDB phổ biến, và Zvec đang đi theo nó với một dàn SDK đa ngôn ngữ.

Tính năng chính

• ✓In-process/nhúng: chạy như một thư viện bên trong ứng dụng, không cần server database riêng để triển khai hay kết nối
• ✓Vector dày và thưa, truy vấn đa vector, và các loại index co giãn từ trong bộ nhớ (HNSW) đến trên đĩa (DiskANN, thêm ở v0.5.0)
• ✓Full-text search (FTS) gốc trên các trường chuỗi, nên truy vấn từ khóa không cần một search engine riêng
• ✓Hybrid retrieval kết hợp độ tương đồng vector, full-text và bộ lọc scalar trong một MultiQuery duy nhất
• ✓Write-ahead logging (WAL) để bền vững, nên dữ liệu tồn tại qua sự cố process hay mất điện (theo README)
• ✓Mô hình truy cập đồng thời: nhiều process có thể đọc một collection cùng lúc, nhưng ghi thì độc quyền một process
• ✓SDK cho Python, Node.js, Go, Rust và Dart/Flutter, cùng binary dựng sẵn cho Linux, macOS (ARM64) và Windows

Trường hợp dùng tốt nhất

• •Thêm tìm kiếm ngữ nghĩa cục bộ hoặc bộ nhớ RAG vào một ứng dụng mà không phải triển khai server vector database
• •Nhúng tìm kiếm vector vào một workflow desktop, CLI hay notebook nơi một database qua mạng là thừa thãi
• •Chạy tìm kiếm tương đồng trên một thiết bị edge hoặc trong môi trường offline
• •Kết hợp full-text search theo từ khóa và độ tương đồng vector trong một truy vấn để truy hồi chính xác hơn

Cách cài đặt / dùng thử

Zvec cung cấp SDK dựng sẵn, nên cách phổ biến là cài package chứ không phải build. Python: `pip install zvec` (Python 3.10–3.14). Node.js: `npm install @zvec/zvec`. Dart/Flutter: `flutter pub add zvec`. Bindings Go và Rust chính thức nằm ở các repo riêng. Binary dựng sẵn phủ Linux (x86_64, ARM64), macOS (ARM64) và Windows (x86_64); build từ nguồn cần bộ công cụ C++ của dự án và hướng dẫn Building from Source của họ.

Cách sử dụng

Trong Python bạn định nghĩa một `CollectionSchema` với một trường vector, gọi `zvec.create_and_open(path=..., schema=...)` để mở một collection trên đĩa cục bộ, `insert()` một danh sách các đối tượng `zvec.Doc` cùng embedding của chúng, rồi chạy `collection.query(zvec.Query(field_name=..., vector=[...]), topk=10)` để lấy về các kết quả gần nhất dưới dạng có điểm số. Không có server nào phải khởi động — collection là một thư mục trên đĩa. Chi tiết API đầy đủ nằm trong tài liệu của dự án.

Lựa chọn thay thế

Ai nên thử — và ai nên bỏ qua

Lập trình viên muốn tìm kiếm vector nhúng thẳng trong một ứng dụng — công cụ desktop, CLI, notebook, thiết bị edge, hay một dịch vụ đơn — và không muốn chạy cùng vận hành một server vector database riêng. Nếu bạn cần ghi phân tán, mở rộng đa node, hay một API 1.0 đã chốt, một hệ thống dạng server như Milvus hay Qdrant hợp hơn; nếu bạn đã dùng Postgres, pgvector có thể là đủ.

Câu hỏi thường gặp

Repo liên quan