2025 路线图

本页记录了通往 VSAG 1.0 的历史路线图。v1.0.0 已于 2026 年 7 月 12 日发布。 实际交付内容参见 VSAG 1.0 版本日志。

当下，随着 AI 能力的持续增强和优秀开源大模型的普及， 非结构化数据检索需求激增。 向量算法作为非结构化数据检索技术的关键，其重要性不言而喻。 VSAG 社区将会持续投入算法研发，帮助社区的合作伙伴， 提升数据检索性能，提高数据检索实时性，持续降低检索服务成本。

当时的路线图将首个大版本定义为：

• VSAG 1.0 将提供全面的图索引和倒排索引支持， 同时覆盖纯内存和内存+磁盘混合检索模式， 并提供较低的内存成本和卓越的检索性能。

以下是一些算法或功能的规划：

• 支持常见的数据类型，满足不同场景的非结构化数据检索需求
  • FP32 向量：满足主流向量检索场景使用
  • INT8、BF16、FP16 向量：适配量化的 embedding 模型，避免额外的存储开销
  • 稀疏向量：扩展文本检索方式
• 提供全面优化的核心索引类型，覆盖绝大部分检索场景
  • 图索引 HGraph：满足对高精度和低延迟的要求
  • 倒排索引 IVF：满足大 K 和批量查询的需求
• 提供丰富的量化方式，满足内存/召回率的平衡
  • RabitQ（BQ）：超高倍率的压缩，极少的内存使用
  • PQ：灵活的压缩倍率，适合低精度要求的场景
  • SQ4、SQ8：常规压缩方式，少量牺牲召回率获得内存和性能收益
• 多平台指令集适配，减少系统集成分发工作量
  • x86_64 平台：SSE，AVX，AVX2，AVX512
  • ARM 平台：Neon，SVE
  • 可选的矩阵乘法加速库：intel-mkl，openblas
• 支持资源隔离，提供细粒度的运行资源可配置
  • 内存资源：支持以索引为单位设置内存分配器， 以实现类似租户级内存管理
  • CPU 资源：支持注入线程池，从而提升写入吞吐和搜索吞吐

除此之外，我们还有很多功能特性会在开源社区讨论、开发和实现。 如果你对此感兴趣，请关注 VSAG 项目！