大部分向量資料庫都是獨立服務——Pinecone、Weaviate、Milvus，你要架伺服器、管連線、擔心延遲。但如果你的應用只是個 notebook、CLI 工具、或邊緣裝置，這些都是過度設計。Zvec 走另一條路：把向量搜尋直接塞進你的 process 裡跑。
In-process 向量資料庫的優勢
Loading diagram...
沒有網路跳躍，沒有序列化開銷，沒有服務要維護。Zvec 宣稱可以在毫秒內搜尋數十億向量，這在 in-process 場景裡是相當激進的數字。
核心功能
| 功能 | 說明 |
|---|---|
| Dense + Sparse 雙向量 | 同一個索引支援兩種 embedding，適合混合檢索 |
| Multi-vector 查詢 | 一次查詢多個向量，做複合語意檢索 |
| Hybrid 搜尋 | 語意相似 + 結構化過濾（metadata） |
| 跨平台 | Linux x86/ARM、macOS ARM、Windows x86 |
| 多語言綁定 | C++ 核心 + Python/Node.js |
v0.3.0（2026 年 4 月）加入 RabitQ 量化、C-API 和 MCP 整合，讓 Zvec 可以直接被 AI agent 當作記憶後端使用。
適合的使用場景
- RAG 應用：本地 RAG 不想維護向量 DB 服務
- Agent memory：Claude Code、Cursor 這類 IDE 內的記憶體儲存
- 嵌入式 AI：邊緣裝置、離線應用
- Jupyter 研究：notebook 裡直接跑向量搜尋實驗
如果你的場景是「單一進程 + 本地索引」，Zvec 比架一台 Milvus 簡單太多。
結語
Zvec 的定位很清楚：不是要取代 Pinecone，而是服務那些用不到 Pinecone 的場景。9.3k stars 說明社群認可這個方向。如果你在寫 local-first RAG 或 agent，值得評估把它接進去。