Skip to main content
向量 (Vector) 字段通过与 SQL 与搜索字段相同的工作区存储规划器路由。

​
1. 支持的向量后端 (Backend)

HeavenBase 包含以下向量后端 (Backend) 实现：
  • lance
  • milvus
  • pgvector
  • chroma
  • pinecone
  • inmem
测试使用 inmem，本地文件向量存储使用 lance，本地或远程 Milvus 服务使用 milvus，向量与 Postgres 行共存时使用 pgvector。

​
2. 预设 (Preset)

内置 debug 工作区预设 (Preset) 对行使用 SQLite，对向量与搜索使用内存后端 (Backend)： 
import heavenbase as hb

workspace = hb.HeavenBase("demo", preset="debug")
local-lts 预设 (Preset) 面向 Postgres 行、LanceDB 向量与 Elasticsearch 搜索的本地技术栈： 
workspace = hb.HeavenBase("agent-shop", preset="local-lts")
Lance 路径在配置的 URI 中使用工作区 id，因此每个工作区获得隔离的向量目录。

​
3. 显式后端 (Backend) 配置

当测试或应用应避免全局预设 (Preset) 时，可直接传入后端 (Backend) 配置： 
workspace = hb.HeavenBase(
    "vector-demo",
    backends={
        "main": {"type": "sqlite", "database": ":memory:"},
        "vec": {"type": "inmem", "name": "vec"},
    },
)
然后在普通实体中定义向量 (Vector) 字段： 
class Issue(hb.Entity):
    title = hb.field(hb.ShortText)
    emb = hb.field(hb.Vector[3])
查询 (Query) 使用相同的 JSON 与 Python DSL 面： 
workspace.query(Issue).near(Issue.emb, [1.0, 0.0, 0.0], top_k=5).execute()

​
进一步探索

相关资源：