🚀 LanceDB Node.js 向量搜索
本项目是一个使用 Node.js 实现的向量搜索示例，巧妙结合了 LanceDB 和 Ollama 的嵌入模型，能高效完成向量搜索任务。
🚀 快速开始
此项目清晰展示了一系列操作流程，涵盖连接 LanceDB 数据库、利用 Ollama 创建自定义嵌入函数、执行向量相似度搜索来查找存储文档，以及处理并展示搜索结果等内容。
✨ 主要特性
- 实现与 LanceDB 数据库的连接。
- 借助 Ollama 构建自定义嵌入函数。
- 开展向量相似度搜索，精准查找存储文档。
- 有效处理并直观显示搜索结果。
📦 安装指南
先决条件
- Node.js（v14 或更高版本）
- 本地运行的 Ollama 服务，且配置了
nomic-embed-text模型 - 具备可读写的 LanceDB 存储位置权限
安装步骤
- 克隆仓库。
- 安装依赖：
pnpm install
依赖项
@lancedb/lancedb：用于连接 Node.js 的 LanceDB 客户端。apache-arrow：处理列式数据。node-fetch：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
或直接执行：
node test-vector-search.js
配置说明
脚本会连接到以下服务：
- LanceDB 位于指定路径。
- Ollama API 位于
http://localhost:11434/api/embeddings。
MCP 配置
若要在 Claude Desktop 中将其作为 MCP 服务使用，请把以下内容添加到 MCP 配置 JSON 文件：
{
"mcpServers": {
"lanceDB": {
"command": "node",
"args": [
"/path/to/lancedb-node/dist/index.js",
"--db-path",
"/path/to/your/lancedb/storage"
]
}
}
}
请将以下路径替换为实际的路径：
/path/to/lancedb-node/dist/index.js- Node.js 服务的实际安装位置。/path/to/your/lancedb/storage- LanceDB 存储目录的实际路径。
自定义嵌入函数
项目里包含了一个自定义的OllamaEmbeddingFunction，其职责如下：
- 将文本发送到 Ollama API 进行处理。
- 接收 768 维的嵌入向量。
- 格式化输出以契合 LanceDB 的要求。
向量搜索示例
示例代码展示了如何在“ai-rag”表中搜索“how to define success criteria”，并呈现匹配结果及其相似度分数。
📄 许可证
本项目采用 MIT License。
🤝 贡献指南
欢迎大家积极贡献！请随意提交 Pull Request。