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：
| 章节 | 关键内容 | 状态 |
|---|---|---|
| 第一部分：基础学习篇（Base） | 向量数据库原理、嵌入与搜索基础 | |
| Chapter 1 项目介绍 | 项目目标、整体学习路径 | ✅ |
| 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 原理与代码实战 | ✅ |
| Chapter 6 实现你自己的向量数据库 | 向量数据库最小实现 | ✅ |
| 第二部分：Faiss 教程（Faiss） | 高性能向量检索引擎实战 | |
| Chapter 1 FAISS 入门与环境搭建 | 安装配置、基础概念 | ✅ |
| Chapter 2 FAISS 核心索引实战 | Flat、IVF、PQ、HNSW 等索引 | ✅ |
| Chapter 3 FAISS 核心功能进阶 | 复合索引、GPU、批量检索 | ✅ |
| Chapter 4 FAISS 性能调优与评估 | Recall、延迟、内存调优 | ✅ |
| Chapter 5 FAISS 工程化落地实战 | 工程结构、服务化、实战案例 | ✅ |
| 第三部分：Milvus 教程（Milvus） | 分布式向量数据库与工程实践 | |
| Chapter 1 Milvus 向量数据库入门：认知与架构 | 架构设计、核心组件 | ✅ |
| Chapter 2 Milvus 核心概念：数据模型与索引体系 | Collection、Partition、Index | ✅ |
| Chapter 3 Milvus 基础操作：PyMilvus 核心 API 实战 | 数据写入、查询、索引管理 | 🚧 |
| Chapter 4 综合实战：基于 Milvus 的 AI 应用开发 | RAG、向量检索应用 | 🚧 |
| Chapter 5 Milvus 生态与进阶学习 | 分布式部署、性能优化 | 🚧 |
| 补充内容 | 与向量数据库有关的内容 | |
| MinerU部署教程 | pdf/扫描件 转markdown 格式 | ✅ |
⏳ 持续更新中...
📘 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
【相关竞赛】
- 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
