Mugu.AI.VectorLite.SemanticKernel 0.1.0

Mugu.AI.VectorLite

单文件 · 零配置 · 高性能 — 为 .NET 平台打造的极致轻量嵌入式向量数据库。

✨ 特性

• 🗄️ 单文件存储 — 所有数据保存在一个 .vldb 文件中，无需外部数据库
• ⚡ SIMD 加速 — 向量距离计算自动适配 AVX-512 / AVX2 / Vector<T> 硬件指令集
• 🔍 混合查询 — 元数据过滤 + 向量语义搜索一站完成
• 🧠 HNSW 索引 — 分层可导航小世界图，实现近似最近邻的亚线性搜索
• 🔒 WAL 机制 — 预写日志保证数据持久性与崩溃恢复
• 🧩 Semantic Kernel 集成 — 开箱即用的 IMemoryStore 适配器
• 🪶 零依赖 — 核心库仅依赖 Microsoft.Extensions.Logging.Abstractions 和 System.IO.Hashing

🎯 目标场景

🚀 快速开始

安装

<PackageReference Include="Mugu.AI.VectorLite" Version="0.1.0" />

最小示例

using Mugu.AI.VectorLite;

// 打开或创建数据库（单文件，零配置）
using var db = new VectorLiteDB("my_memory.vldb");

// 创建集合（名称 + 向量维度）
var notes = db.GetOrCreateCollection("notes", 1536);

// 插入一条记录
var id = await notes.InsertAsync(new VectorRecord
{
    Vector   = embedding,           // float[]，由你的 Embedding 模型生成
    Metadata = new() { ["tag"] = "工作", ["priority"] = 5L },
    Text     = "今天的会议纪要…",
});

// 语义搜索 Top-5
var results = await notes.Query(queryEmbedding)
    .TopK(5)
    .ToListAsync();

foreach (var r in results)
    Console.WriteLine($"[{r.Score:F4}] {r.Record.Text}");

混合查询（过滤 + 向量搜索）

using Mugu.AI.VectorLite.Engine;

// 精确匹配 + 范围过滤（链式 .Where 自动 AND 组合）
var results = await notes.Query(queryEmbedding)
    .Where("tag", "工作")
    .Where(new RangeFilter("priority", lowerBound: 8L))
    .TopK(10)
    .WithMinScore(0.7f)
    .ToListAsync();

📖 更多示例请参见 examples/QuickStart/

🏗️ 架构概览

┌──────────────────────────────────────────────────┐
│  API 层 (public)                                 │
│  VectorLiteDB · Collection · QueryBuilder        │
├──────────────────────────────────────────────────┤
│  核心引擎层 (internal)                           │
│  HNSWIndex · ScalarIndex · QueryEngine           │
│  SIMD Distance (Cosine/Euclidean/DotProduct)     │
├──────────────────────────────────────────────────┤
│  存储层 (internal)                               │
│  FileStorage · PageManager (mmap) · WAL          │
└──────────────────────────────────────────────────┘

数据流：

• 写入：InsertAsync → WAL 追加 → HNSW 索引更新 → 异步检查点合并到主文件
• 查询：Query().Where().TopK() → 标量索引预过滤 → HNSW 向量搜索 → 按距离排序返回

🧩 Semantic Kernel 集成

using Mugu.AI.VectorLite.SemanticKernel;

using var db = new VectorLiteDB("sk_memory.vldb");
var memoryStore = new VectorLiteMemoryStore(db);

var memory = new MemoryBuilder()
    .WithMemoryStore(memoryStore)
    .WithTextEmbeddingGeneration(embeddingService)
    .Build();

await memory.SaveInformationAsync("notes", "会议内容…", "meeting-001");

⚙️ 配置

using var db = new VectorLiteDB("my.vldb", new VectorLiteOptions
{
    PageSize              = 8192,                        // 页大小（字节）
    MaxDimensions         = 4096,                        // 最大向量维度
    HnswM                 = 16,                          // HNSW 邻居数
    HnswEfConstruction    = 200,                         // 构建时候选集大小
    HnswEfSearch          = 50,                          // 搜索默认 efSearch
    DefaultDistanceMetric = DistanceMetric.Cosine,       // 距离度量
    CheckpointInterval    = TimeSpan.FromMinutes(5),     // 自动检查点间隔
    LoggerFactory         = loggerFactory,               // ILoggerFactory（可选）
});

🧪 构建与测试

# 构建
dotnet build

# 运行功能基线测试（14 项）
dotnet test

# 运行性能基准（BenchmarkDotNet，需 Release 模式）
cd tests/Mugu.AI.VectorLite.QualityGate
dotnet run -c Release

# 运行快速入门示例
cd examples/QuickStart
dotnet run

📁 项目结构

Mugu.AI.VectorLite/
├── src/
│   ├── Mugu.AI.VectorLite/              # 核心库
│   │   ├── API/                         # 公共 API（VectorLiteDB/Collection/QueryBuilder）
│   │   ├── Engine/                      # HNSW 索引 / 标量索引 / 查询引擎 / SIMD 距离
│   │   ├── Storage/                     # 文件存储 / 页管理 / WAL
│   │   └── Common/Exceptions/           # 异常层次
│   └── Mugu.AI.VectorLite.SemanticKernel/  # SK IMemoryStore 适配器
├── tests/
│   ├── Mugu.AI.VectorLite.Tests/        # 单元测试
│   └── Mugu.AI.VectorLite.QualityGate/  # 质量门禁（6 功能基线 + 4 性能基准）
├── examples/
│   └── QuickStart/                      # 快速入门示例
└── docs/
    ├── design/                          # 详细设计文档（5 篇）
    └── reference/                       # 开发参考手册（8 篇）

📚 文档

📋 技术栈

🤝 贡献

1. Fork 本仓库
2. 创建特性分支：git checkout -b feature/my-feature
3. 提交更改（使用简体中文提交信息）
4. 确保所有测试通过：dotnet test
5. 提交 Pull Request

编码规范

• 注释、文档、提交信息使用简体中文
• 文件编码 UTF-8，换行符 LF
• 方法 ≤ 30 行，类 ≤ 300 行，嵌套 ≤ 3 层
• 使用 ILogger 记录日志，禁止 Console.WriteLine

📄 许可证

MIT License

<p align="center"> _{Made with ❤️ for the .NET AI ecosystem} </p>