🚀 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
- 克隆仓库。
- 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。