%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
简介 :
kelindar/search 是一个Go语言库，它提供了嵌入式向量搜索和语义嵌入的功能，基于llama.cpp构建。这个库特别适合于小到中型项目，需要强大的语义搜索能力，同时保持简单高效的实现。它支持GGUF BERT模型，允许用户利用复杂的嵌入技术，而不需要深陷传统搜索系统的复杂性。该库还提供了GPU加速功能，能够在支持的硬件上快速进行计算。如果你的数据集少于100,000条目，这个库可以轻松集成到你的Go应用中，实现语义搜索功能。
需求人群 :
目标受众为需要在Go应用中集成语义搜索功能的开发者，尤其是那些处理小型到中型数据集，并且希望利用BERT模型和GPU加速来提高搜索效率的开发者。
使用场景
使用该库为文档或文章创建向量索引，实现快速检索。
在推荐系统中，利用用户行为生成的向量嵌入，进行相似项目推荐。
在自然语言处理应用中，使用BERT模型生成文本的语义嵌入，进行文本相似度分析。
产品特色
llama.cpp无cgo集成：不使用cgo，而是依赖purego，直接从Go代码调用共享C库，简化了集成、部署和交叉编译。
支持BERT模型：通过llama.cpp支持BERT模型，只要它们使用GGUF格式。
预编译二进制文件与Vulkan GPU支持：为Windows和Linux提供预编译的二进制文件，编译时包含Vulkan以实现GPU加速。
嵌入搜索索引：支持从计算出的嵌入创建搜索索引，可以保存到磁盘上，之后加载使用，适合小规模应用的基本向量搜索。
使用教程
1. 安装库：下载适用于Windows和Linux的预编译二进制文件，或者从源代码编译。
%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. 加载模型：使用`search.NewVectorizer`函数初始化一个模型，使用GGUF文件。
3. 生成文本嵌入：使用`EmbedText`方法为给定的文本输入生成向量嵌入。
4. 创建索引并添加向量：使用`search.NewIndex`创建一个新的索引，并使用`Add`方法添加多个向量及其对应的标签。
5. 搜索索引：使用`Search`方法执行搜索，传入嵌入向量和要检索的结果数量。
6. 打印结果：遍历搜索结果，打印每个结果及其相关性分数。
精选AI产品推荐
Pseudoeditor
PseudoEditor是一款免费在线伪代码编辑器。它具有语法高亮、自动完成等功能，帮助您更轻松地编写伪代码。您还可以使用我们的伪代码编译器功能进行测试。无需下载，即可立即使用。
开发与工具
4.5M
Erbuilder
Softbuilder的AI-powered ER diagrams generation是一款基于人工智能技术的数据建模工具，能够根据自然语言的数据模型描述、用户故事或需求自动生成ER图。通过使用OpenAI GPT，它能够快速生成精美的ER图，大大提高了数据建模的效率。此外，它还提供数据模型文档、验证、探索等功能，可满足各种数据建模需求。Softbuilder的AI-powered ER diagrams generation适用于各类企业和组织，帮助用户轻松创建和管理数据模型。
开发与工具
4.1M