核心内容摘要
大模型偏好训练_大模型偏好训练方法与实践指南
云蜘蛛池出租
Vektor是一个高性能、纯文件存储、嵌入式的向量数据库，完全使用原生 PHP 编写。它专为零内存开销（Zero-RAM Overhead）设计，也就是说无需将整个数据集加载到内存中即可正常工作。 每个 Vektor 实例作为一个独立的数据库运行，默认将数据存储在目录下。 它不使用内存密集型索引，而是采用严格的二进制文件布局 + 优化的磁盘寻址策略，通过HNSW（Hierarchical Navigable Small World）算法实现近似最近邻（ANN）搜索。 纯 PHP 实现：无需任何外部依赖或 C 扩展，在任何标准的 PHP 8.2+ 环境中均可运行 零内存开销：数据直接从磁盘读取，内存占用与数据集大小无关（恒定） HNSW 算法：基于图的高效索引，实现快速的近似最近邻搜索 二进制存储：向量、图连接、元数据全部采用紧凑的二进制文件格式 嵌入式或服务器模式：可直接在 PHP 代码中作为库使用，也可运行成独立的 HTTP API 服务器 线程安全：使用文件锁（flock）机制安全处理并发读写 余弦相似度：针对高维嵌入向量优化的距离度量（默认 1536 维，可配置） PHP：8.2 或更高版本 Composer：用于依赖管理 作为服务器运行时，使用文件进行配置。 复制示例文件： 编辑文件，设置 API Token 和向量维度： VEKTOR_API_TOKEN：如果设置了，则除外的所有 API 请求都需要在请求头携带。留空则 API 完全公开。 VEKTOR_DIMENSIONS：设置向量维度（默认 1536）。重要：修改后必须清空 data/ 目录重新开始。 Vektor 支持两种主要使用方式：直接作为 PHP 库嵌入项目，或以独立 REST API 服务器形式运行。启动服务器（开发/测试） 认证 如果设置了，所有请求需携带： API 端点一览 GET /up→ 健康检查（无需认证）响应： GET /info→ 获取数据库统计信息示例响应包含文件大小、记录数、维度等 POST /insert→ 插入向量。请求体示例： POST /search→ 向量搜索 。请求体示例： 可选参数：、 POST /delete→ 删除指定 ID 的向量 POST /optimize→ 触发数据库优化（清理软删除空间，重建索引） ：追加式存储原始浮点向量数据 ：使用磁盘上的二叉搜索树（BST）存储 ID → 文件偏移量的映射 ：追加式存储序列化后的元数据（JSON） ：HNSW 图结构，用于快速导航和 ANN 搜索 所有文件均为严格二进制布局 + 文件锁并发控制，实现真正的零内存开销。
