Lancedb Vector Search

🚀 LanceDB Node.js 向量搜索

本项目借助 Node.js 实现向量搜索功能，巧妙结合了 LanceDB 与 Ollama 的嵌入模型，为向量搜索应用提供了便捷高效的解决方案。

🚀 快速开始

本项目旨在演示一系列操作，具体如下：

• 实现与 LanceDB 数据库的连接。
• 利用 Ollama 创建自定义嵌入函数。
• 对存储文档开展向量相似度搜索。
• 处理并展示搜索结果。

✨ 主要特性

• 借助 Node.js 实现向量搜索，简单易用。
• 结合 LanceDB 与 Ollama 的嵌入模型，提升搜索效果。
• 提供自定义嵌入函数，满足多样化需求。

📦 安装指南

先决条件

• Node.js（v14 或更高版本）
• 本地运行的 Ollama，带有 nomic-embed-text 模型
• 具有读写权限的 LanceDB 存储位置

安装步骤

1. 克隆仓库。
2. 安装依赖项：

pnpm install

📦 依赖关系

• @lancedb/lancedb：Node.js 的 LanceDB 客户端
• apache-arrow：用于处理列式数据
• node-fetch：用于向 Ollama API 发送请求

💻 使用示例

基础用法

运行向量搜索测试脚本：

pnpm test-vector-search

或者直接执行：

node test-vector-search.js

📚 详细文档

配置

脚本连接到：

• LanceDB 的指定路径
• 运行在 http://localhost:11434/api/embeddings 的 Ollama API

MCP 配置

要将其集成到 Claude Desktop 中作为 MCP 服务，请将以下内容添加到您的 MCP 配置 JSON 文件中：

{
  "mcpServers": {
    "lanceDB": {
      "command": "node",
      "args": [
        "/path/to/lancedb-node/dist/index.js",
        "--db-path",
        "/path/to/your/lancedb/storage"
      ]
    }
  }
}

请将路径替换为您实际的安装路径：

• /path/to/lancedb-node/dist/index.js：index.js 文件的实际路径
• /path/to/your/lancedb/storage：您的 LanceDB 存储目录路径

自定义嵌入函数

项目包含一个自定义的 OllamaEmbeddingFunction，该函数：

• 将文本发送到 Ollama API。
• 接收 768 维度的嵌入。
• 将其格式化为适用于 LanceDB 的数据格式。

向量搜索示例

示例演示了如何在“ai-rag”表中搜索“如何定义成功标准”，并显示结果及其相似度分数。

📄 许可证

MIT License

贡献

欢迎贡献！请随意提交 Pull Request。