Weaviate：AI 开发者最爱的开源向量数据库，语义搜索与 RAG 的首选数据底座

Weaviate 是一款开源、云原生的向量数据库，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）和重排序功能整合到单个查询接口中，是构建 AI 应用的理想数据底座。

环境要求

• Docker 20.10+（推荐方式）
• 内存：最低 4GB RAM，生产环境建议 8GB+
• 客户端：Python 3.8+、Node.js 16+、Java 11+、Go 1.18+

快速安装（Docker 本地部署）

第一步：创建 docker-compose.yml：

services:
  weaviate:
    image: cr.weaviate.io/semitechnologies/weaviate:1.36.0
    ports:
      - "8080:8080"
      - "50051:50051"
    environment:
      ENABLE_MODULES: text2vec-model2vec
      MODEL2VEC_INFERENCE_API: http://text2vec-model2vec:8080
  text2vec-model2vec:
    image: cr.weaviate.io/semitechnologies/model2vec-inference:minishlab-potion-base-32M

第二步：启动 & 安装客户端

docker compose up -d
pip install -U weaviate-client

也可使用 Weaviate Cloud 免费试用，或部署到 Kubernetes/AWS/GCP。

场景一：RAG 检索增强生成系统

将企业文档导入 Weaviate，结合 LLM 构建精准问答系统，大幅降低幻觉率。

import weaviate
from weaviate.classes.query import Filter

client = weaviate.connect_to_local()
results = client.collections.get("Document").query.near_text(
    query="如何申请退款？", limit=5,
    filters=Filter.by_property("category").equal("help")
)
for obj in results.objects:
    print(obj.properties["content"])

场景二：语义搜索 & 推荐引擎

电商/内容平台实现”理解意图”的搜索，支持多模态（文本+图像）检索。

• 生态最完整：Python/JS/Java/Go/C# 五大官方 SDK
• AI Agent 集成：官方提供 Agent Skills，支持 Claude Code/Cursor
• 商业友好：BSD-3-Clause 许可，可自由修改和分发
• 云原生架构：存储计算分离，Kubernetes 原生，水平扩展无忧

✝️ BSD 3-Clause License | Go | 2016年发布