NodeDB

NodeDB 是什麼？

NodeDB 是一個單一資料庫引擎，旨在透過將不同資料類型——關聯、向量 (AI)、圖、文件、欄列與科學陣列——整合至單一 Rust 架構，取代多個資料系統。其明確目標是減少獨立資料庫間的碎片化，並消除處理混合資料時所需的「管線」與「Python 黏合劑」。

關鍵定位是現有 PostgreSQL 客戶端「只需」連接即可，而 NodeDB 支援 GraphRAG 風格查詢，將向量搜尋與圖擴展融合為單一查詢。頁面所示範例說明語意擷取加上圖脈絡作為資料庫層工作流程的一部分。

主要功能

• 統一引擎支援多種資料模型 (關聯、向量、圖、文件、欄列、科學陣列)，無需在獨立系統間切換即可儲存與查詢不同資料類型。
• Rust 架構，被描述為「超高效」引擎，以單一 Rust 二進位檔實作。
• PostgreSQL 客戶端相容性：頁面表示現有 Postgres 客戶端「直接可用」，旨在降低採用新後端的摩擦。
• GraphRAG 查詢支援，將向量搜尋與圖擴展結合於單一陳述式，定位為「資料庫層的 GraphRAG」。
• 單一查詢 GraphRAG 融合工作流程，包含 top-k 擷取、擴展深度、邊緣標籤與方向，以及結果融合設定的控制 (如範例陳述式所示)。

如何使用 NodeDB

1. 透過加入早鳥存取流程或網站的「Get Early Access」選項請求存取來開始使用。
2. 使用現有 PostgreSQL 客戶端連接，因為頁面明確提及 Postgres 客戶端相容性。
3. 提交單一 GraphRAG 風格查詢，從向量執行語意擷取，並依查詢參數透過圖邊緣擴展。
4. 使用該查詢的融合結果作為 LLM 脈絡基礎，因為頁面將此框定為資料庫層提供的語意擷取加上圖脈絡。

使用案例

• 無需外部管線建構 GraphRAG 擷取：執行單一資料庫查詢，進行基於向量的語意擷取、透過圖邊緣擴展相關實體，並融合結果供下游 LLM 使用。
• 以圖脈絡回答實體中心問題：擷取頂級向量匹配，然後透過關係 (使用邊緣標籤與方向) 擴展，以單一查詢收集鄰近圖資訊。
• 實作混合擷取，其中排序與結構皆重要：使用所示融合擷取參數 (例如 top-k、擴展深度與融合設定) 平衡直接向量匹配與圖擴展結果。
• 減少應用端協調：避免「管線」與「Python 黏合劑」，將向量與圖操作的融合移至資料庫查詢本身。
• 跨多種模型類型整合資料儲存：當應用目前依賴獨立系統處理關聯資料、向量與圖關係時，使用 NodeDB 作為涵蓋這些類別的單一引擎。

常見問題

• NodeDB 是否需要獨立管線或 Python 黏合劑來結合向量與圖擷取？ 頁面表示此方法使用「單一查詢」，「無管線」且「無 Python 黏合劑」，描述為資料庫層的融合。

• 「Your existing Postgres client just works」是什麼意思？ 網站明確聲稱 PostgreSQL 客戶端相容性，暗示可使用常見 Postgres 客戶端模式連接。

• 在此脈絡中，GraphRAG 是什麼？ 頁面將 GraphRAG 框定為「向量搜尋 + 圖擴展」，融合於單一查詢，產生語意擷取結果連同供 LLM 使用的圖脈絡。

• NodeDB 支援哪些資料模型？ 頁面列出關聯、向量、圖、文件、欄列與科學陣列資料。

替代方案

• 獨立的向量資料庫 + 獨立的圖資料庫：這會將向量搜尋與圖遍歷置於不同系統，通常需要應用層來協調擷取與融合（本頁強調 NodeDB 避免管線與黏合）。
• 具外部重排序/融合的混合搜尋服務：有些方案提供語意搜尋加重排序，但工作流程仍可能需協調擷取與圖/脈絡擴展步驟。
• 傳統 SQL 資料庫搭配向量/圖擴充套件：你可能能用附加元件近似混合模型查詢，但本頁強調統一引擎與跨資料類型的一查詢融合。
• 應用層實作 GraphRAG：不於資料庫內執行向量搜尋與圖擴展，應用程式可執行多個擷取步驟，再組裝脈絡供 LLM 使用。