EasyVectorDB 是一个面向开发者与研究者的 向量数据库系统性学习项目。
项目内容覆盖从基础概念、算法原理到生产级应用部署的全流程，聚焦以下三个方向：
- 🧩 理论入门：理解向量数据库的原理、架构与索引机制
- ⚙️ 实战教程：掌握 Milvus / Faiss / Annoy 的使用与优化技巧
- 💡 项目案例：从零构建 RAG、嵌入检索、聚类可视化等完整项目
项目共分为 基础学习篇 与 实践篇 两个部分，对应导航栏配置如下：
💡 了解向量数据库的设计哲学、嵌入算法与搜索原理，为后续实践打下坚实基础。
| 章节 | 内容 | 关键词 |
|---|---|---|
| Chapter 1 | 项目介绍 | 项目目标 / 学习路径 |
| Chapter 2 | 为什么需要向量数据库 | 检索瓶颈 / 相似度搜索原理 |
| Chapter 3 | 向量嵌入算法基础 | Word2Vec / Transformer Embedding |
| Chapter 4 | 向量搜索算法基础 | 暴力检索 / 向量相似度 |
| Chapter 5 | ANN 搜索算法 | IVF / PQ / HNSW / LSH 算法原理/代码实战 |
| Chapter 6 | 实现你自己的向量数据库 | 代码实战 |
⚙️ 从零构建高性能向量检索系统，掌握 Faiss 的索引机制与加速策略。
| 章节 | 内容 | 完成状态 |
|---|---|---|
| Chapter 1 | FAISS 入门与环境搭建 | ✅ |
| Chapter 2 | FAISS 核心索引实战 | 🚧 |
| Chapter 3 | FAISS 核心功能进阶 | 🚧 |
| Chapter 4 | FAISS 性能调优与评估 | 🚧 |
| Chapter 5 | FAISS 工程化落地实战 | 🚧 |
⏳ 持续更新中...
内容待系统化完善...
📘 本项目旨在让你从 原理 → 实践 → 部署 全流程掌握向量数据库核心知识与实战能力。
- 📚 Datawhale社区介绍
- 🌐 在线文档站点
- 💻 项目源码
- 如果你发现了一些问题，可以提Issue进行反馈，如果提完没有人回复你可以联系保姆团队的同学进行反馈跟进~
- 如果你想参与贡献本项目，可以提Pull request，如果提完没有人回复你可以联系保姆团队的同学进行反馈跟进~
- 如果你对 Datawhale 很感兴趣并想要发起一个新的项目，请按照Datawhale开源项目指南进行操作即可~
- 感谢 @Sm1les 对本项目的帮助与支持
- 感谢所有为本项目做出贡献的开发者们 ❤️
扫描下方二维码关注公众号：Datawhale
