O Qdrant é um mecanismo de busca por similaridade vetorial e banco de dados vetorial baseado em Rust, com filtragem por payload, voltado a busca semântica e recomendações.
35,2 mil2,8 milRustApache-2.0Atualizado anteontem
epsilla-cloud/vectordb
Epsilla é um banco de dados vetorial open source em C++ para busca por similaridade em embeddings, com filtros por metadados, busca híbrida e integração com sistemas de recuperação para LLMs.
Alternativa open source a:Pinecone
- Estrelas
- 874
- Forks
- 45
- Issues abertas
- 17
- Último commit
- há 18 dias
O que é?
Epsilla é um banco de dados vetorial open source focado em busca por similaridade escalável e de alto desempenho em vetores de embeddings. Ele trata vetores como mais um tipo de campo dentro dos conceitos conhecidos de banco de dados, tabelas e campos, permitindo que desenvolvedores armazenem registros estruturados junto com seus embeddings.
O mecanismo principal é escrito em C++ e usa travessia paralela de grafos para indexar vetores. O projeto afirma oferecer buscas cerca de 10 vezes mais rápidas que HNSW, com precisão superior a 99,9%. Ele oferece filtros por metadados, busca híbrida que combina vetores densos e esparsos e geração de embeddings integrada, para que textos possam ser inseridos e consultados diretamente.
O banco de dados é executado em um contêiner Docker que expõe uma REST API, com clientes para Python, JavaScript e Ruby. Também oferece um binding experimental para Python que funciona sem Docker e integrações com LangChain e LlamaIndex. Há uma versão gerenciada na nuvem disponível.
Recursos principais
- 01Busca por similaridade em vetores de embeddings em escala de produção.
- 02Vetores armazenados como um tipo de campo em tabelas convencionais de banco de dados.
- 03Filtros por metadados combinados com consultas vetoriais.
- 04Busca híbrida que combina vetores densos e esparsos.
- 05Geração de embeddings integrada, permitindo inserir e consultar linguagem natural.
- 06Clientes para Python, JavaScript e Ruby, além de uma REST API.
Casos de uso
- Pipelines de geração aumentada por recuperação que precisam de um banco vetorial para documentos.
- Busca semântica em textos, imagens ou outros conteúdos convertidos em embeddings.
- Adição de recuperação de memória de longo prazo a aplicações com LLMs.
- Combinação de filtros estruturados com busca por similaridade em um único banco de dados.
Início rápido
- 1
Baixe a imagem Docker do backend do Epsilla
docker pull epsilla/vectordb - 2
Execute o backend no Docker na porta 8888
docker run --pull=always -d -p 8888:8888 -v /data:/data epsilla/vectordb - 3
Instale o cliente Python
pip install pyepsilla - 4
Conecte-se com o cliente Python e execute o código de exemplo do README
Antes de usar
- O modo de biblioteca Python sem Docker está marcado como experimental e requer compilação a partir do código-fonte.
Tópicos
Perguntas frequentes
- O que é vectordb?
- Epsilla é um banco de dados vetorial open source em C++ para busca por similaridade em embeddings, com filtros por metadados, busca híbrida e integração com sistemas de recuperação para LLMs. Epsilla é um banco de dados vetorial open source focado em busca por similaridade escalável e de alto desempenho em vetores de embeddings. Ele trata vetores como mais um tipo de campo dentro dos conceitos conhecidos de banco de dados, tabelas e campos, permitindo que desenvolvedores armazenem registros estruturados junto com seus embeddings.
- vectordb é gratuito? Qual é a licença?
- vectordb é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- vectordb ainda é mantido?
- Manutenção ativa. O último commit de vectordb foi em 4 de out. de 2026.
- Para que posso usar vectordb?
- Pipelines de geração aumentada por recuperação que precisam de um banco vetorial para documentos. Busca semântica em textos, imagens ou outros conteúdos convertidos em embeddings. Adição de recuperação de memória de longo prazo a aplicações com LLMs. Combinação de filtros estruturados com busca por similaridade em um único banco de dados.
- Como instalar vectordb?
- Baixe a imagem Docker do backend do Epsilla: docker pull epsilla/vectordb Execute o backend no Docker na porta 8888: docker run --pull=always -d -p 8888:8888 -v /data:/data epsilla/vectordb Instale o cliente Python: pip install pyepsilla Conecte-se com o cliente Python e execute o código de exemplo do README
- Onde consigo vectordb?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/epsilla-cloud/vectordb
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Banco de dados vetorial open source que armazena objetos e vetores juntos, combinando busca por similaridade vetorial com filtros estruturados.
16,9 mil1,4 milGoOtherAtualizado há 19 horas
Banco de dados open source de embeddings para apps de IA, que armazena documentos e vetores para buscas semânticas, híbridas e de texto completo.
29,5 mil2,6 milRustApache-2.0Atualizado anteontem
Um toolkit local de índices vetoriais e RAG que reduz o armazenamento em cerca de 97% ao recalcular embeddings sob demanda, permitindo pesquisar dados pessoais no laptop.
13 mil1,2 milPythonMITAtualizado ontem
Milvus é um banco de dados vetorial distribuído e open source para armazenar e pesquisar embeddings em grande escala, usado em buscas com IA e aplicações de RAG.
46,5 mil4,3 milGoApache-2.0Atualizado há 22 horas
Plugin do Obsidian que encontra notas e trechos semanticamente relacionados enquanto você escreve, usando um modelo de embeddings local integrado.
5,5 mil351JavaScriptOtherAtualizado há 12 dias