Lancedb Vector Search

🚀 LanceDB Node.js 向量搜索

本項目藉助 Node.js 實現向量搜索功能，巧妙結合了 LanceDB 與 Ollama 的嵌入模型，為向量搜索應用提供了便捷高效的解決方案。

🚀 快速開始

本項目旨在演示一系列操作，具體如下：

• 實現與 LanceDB 數據庫的連接。
• 利用 Ollama 創建自定義嵌入函數。
• 對存儲文檔開展向量相似度搜索。
• 處理並展示搜索結果。

✨ 主要特性

• 藉助 Node.js 實現向量搜索，簡單易用。
• 結合 LanceDB 與 Ollama 的嵌入模型，提升搜索效果。
• 提供自定義嵌入函數，滿足多樣化需求。

📦 安裝指南

先決條件

• Node.js（v14 或更高版本）
• 本地運行的 Ollama，帶有 nomic-embed-text 模型
• 具有讀寫權限的 LanceDB 存儲位置

安裝步驟

1. 克隆倉庫。
2. 安裝依賴項：

pnpm install

📦 依賴關係

• @lancedb/lancedb：Node.js 的 LanceDB 客戶端
• apache-arrow：用於處理列式數據
• node-fetch：用於向 Ollama API 發送請求

💻 使用示例

基礎用法

運行向量搜索測試腳本：

pnpm test-vector-search

或者直接執行：

node test-vector-search.js

📚 詳細文檔

配置

腳本連接到：

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

MCP 配置

要將其集成到 Claude Desktop 中作為 MCP 服務，請將以下內容添加到您的 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"
      ]
    }
  }
}

請將路徑替換為您實際的安裝路徑：

• /path/to/lancedb-node/dist/index.js：index.js 文件的實際路徑
• /path/to/your/lancedb/storage：您的 LanceDB 存儲目錄路徑

自定義嵌入函數

項目包含一個自定義的 OllamaEmbeddingFunction，該函數：

• 將文本發送到 Ollama API。
• 接收 768 維度的嵌入。
• 將其格式化為適用於 LanceDB 的數據格式。

向量搜索示例

示例演示瞭如何在“ai-rag”表中搜索“如何定義成功標準”，並顯示結果及其相似度分數。

📄 許可證

MIT License

貢獻

歡迎貢獻！請隨意提交 Pull Request。