向量数据库集成

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：

后端 (Backend) — 后端能力与存储族
路由 (Routing) — 字段放置如何规划
查询 (Query) — JSON 与 Python 查询 (Query) 面
数据库集成 — SQL 族提供商 (Provider) 配置

Introduction

Quickstart

Core Concepts

Developer

Utilities Toolbox

LLM

Agent Runtime

Community

向量数据库集成

1. 支持的向量后端 (Backend)

2. 预设 (Preset)

3. 显式后端 (Backend) 配置

进一步探索

​1. 支持的向量后端 (Backend)

​2. 预设 (Preset)

​3. 显式后端 (Backend) 配置

​进一步探索

1. 支持的向量后端 (Backend)

2. 预设 (Preset)

3. 显式后端 (Backend) 配置

进一步探索