%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Kelindar/search
簡介 :
kelindar/search 是一個Go語言庫，它提供了嵌入式向量搜索和語義嵌入的功能，基於llama.cpp構建。這個庫特別適合於小到中型項目，需要強大的語義搜索能力，同時保持簡單高效的實現。它支持GGUF BERT模型，允許用戶利用複雜的嵌入技術，而不需要深陷傳統搜索系統的複雜性。該庫還提供了GPU加速功能，能夠在支持的硬件上快速進行計算。如果你的數據集少於100,000條目，這個庫可以輕鬆集成到你的Go應用中，實現語義搜索功能。
需求人群 :
目標受眾為需要在Go應用中集成語義搜索功能的開發者，尤其是那些處理小型到中型數據集，並且希望利用BERT模型和GPU加速來提高搜索效率的開發者。
使用場景
使用該庫為文檔或文章創建向量索引，實現快速檢索。
在推薦系統中，利用用戶行為生成的向量嵌入，進行相似項目推薦。
在自然語言處理應用中，使用BERT模型生成文本的語義嵌入，進行文本相似度分析。
產品特色
llama.cpp無cgo集成：不使用cgo，而是依賴purego，直接從Go代碼調用共享C庫，簡化了集成、部署和交叉編譯。
支持BERT模型：通過llama.cpp支持BERT模型，只要它們使用GGUF格式。
預編譯二進制文件與Vulkan GPU支持：為Windows和Linux提供預編譯的二進制文件，編譯時包含Vulkan以實現GPU加速。
嵌入搜索索引：支持從計算出的嵌入創建搜索索引，可以保存到磁盤上，之後加載使用，適合小規模應用的基本向量搜索。
使用教程
1. 安裝庫：下載適用於Windows和Linux的預編譯二進制文件，或者從源代碼編譯。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%230080ff;%20}%20%3c/style%3e%3c/defs%3e%3cpath%20class='st0'%20d='M16.2,11.1c.4.5.4,1.2,0,1.8l-4.7,7.1h-3.8l5.3-8L7.6,4h3.8l4.7,7.1Z'/%3e%3c/svg%3e)
2. 加載模型：使用`search.NewVectorizer`函數初始化一個模型，使用GGUF文件。
3. 生成文本嵌入：使用`EmbedText`方法為給定的文本輸入生成向量嵌入。
4. 創建索引並添加向量：使用`search.NewIndex`創建一個新的索引，並使用`Add`方法添加多個向量及其對應的標籤。
5. 搜索索引：使用`Search`方法執行搜索，傳入嵌入向量和要檢索的結果數量。
6. 打印結果：遍歷搜索結果，打印每個結果及其相關性分數。
精選AI產品推薦
Pseudoeditor
PseudoEditor是一款免費在線偽代碼編輯器。它具有語法高亮、自動完成等功能，幫助您更輕鬆地編寫偽代碼。您還可以使用我們的偽代碼編譯器功能進行測試。無需下載，即可立即使用。
開發與工具
4.5M
Erbuilder
Softbuilder的AI-powered ER diagrams generation是一款基於人工智能技術的數據建模工具，能夠根據自然語言的數據模型描述、用戶故事或需求自動生成ER圖。通過使用OpenAI GPT，它能夠快速生成精美的ER圖，大大提高了數據建模的效率。此外，它還提供數據模型文檔、驗證、探索等功能，可滿足各種數據建模需求。Softbuilder的AI-powered ER diagrams generation適用於各類企業和組織，幫助用戶輕鬆創建和管理數據模型。
開發與工具
4.1M