Weaviate：开源向量数据库，支持语义搜索与RAG能力

Weaviate：开源向量数据库，支持语义搜索与RAG能力

weaviate/weaviate 在 GitHub 上已经拿到 16,151 Star。

Weaviate 是开源云原生向量数据库，同时存储对象和向量，支持大规模语义搜索。它将向量相似度搜索、关键词过滤、检索增强生成（RAG）、重排序能力整合到单一查询接口。适用场景包括 RAG 系统、语义和图片搜索、推荐引擎、聊天机器人、内容分类。

1、存储与部署方式

Weaviate 支持两种向量存储方式，第一种是导入数据时使用集成模型自动向量化，支持 OpenAI、Cohere、HuggingFace 等服务商，第二种是直接导入预计算的向量嵌入。生产环境部署可使用内置的多租户、复制、RBAC 授权等功能。
部署可选 Docker、Kubernetes 或 Weaviate Cloud 服务，也支持 AWS、GCP 等云服务商的 Marketplace 部署方案。本地快速启动可使用 Docker Compose，配置文件包含 Weaviate 服务和 embedding 模型服务，启动后即可使用。
安装 Python 客户端后，只需几行代码即可完成集合创建、数据插入、语义搜索操作。连接本地 Weaviate 实例，创建 Article 集合，插入三条测试数据，通过 near_text 方法查询语义匹配的结果。客户端还支持 JavaScript/TypeScript、Java、Go、C#/.NET 等语言，同时提供 REST API、gRPC API、GraphQL API 三种接口形式。

2、核心功能

Weaviate 搜索性能可支持毫秒级返回十亿级向量的查询结果，底层使用 Go 语言开发，架构设计兼顾速度和可靠性。向量化支持灵活配置，可使用集成的第三方向量化服务，也可导入自定义生成的向量。
混合搜索能力结合语义搜索和 BM25 关键词搜索，支持图片搜索和高级过滤，单次 API 调用即可获得最优结果。内置 RAG 和重排序能力，可直接支撑问答系统、聊天机器人、摘要生成等应用，无需额外工具。
生产级特性包含水平扩展、多租户、复制、RBAC 权限控制，可实现从原型到大规模生产部署的平滑过渡。向量压缩功能降低内存占用，对搜索性能影响极小，可大幅降低运营成本。对象 TTL 功能支持按集合配置数据自动过期，无需手动清理无效数据。

3、生态与资源

Weaviate 提供 AI Agent 技能集合，支持 Claude Code、Cursor、GitHub Copilot 等 AI 编码工具，覆盖搜索、查询、集合管理、数据导入等操作，内置 RAG、智能体 RAG、聊天机器人等应用蓝图。官方维护多个演示项目，包括决策树智能体系统 Elysia、开源 RAG 应用 Verba、健康搜索演示 Healthsearch、电影搜索推荐引擎 Awesome-Moviate，配套 Python 和 TypeScript 代码片段仓库覆盖各类使用场景。
生态集成覆盖云服务商、计算基础设施、数据平台、LLM 与智能体框架、运维工具等类别，支持 AWS、Google、Airbyte、LangChain、LlamaIndex 等主流服务。

开源地址：https://github.com/weaviate/weaviate