TcVector（腾讯云向量数据库）

示例代码: examples/knowledge/vectorstores/tcvector

TcVector 是腾讯云向量数据库的实现，支持本地和远程两种 embedding 模式。

Embedding 模式

TcVector 支持两种 embedding 模式：

1. 本地 Embedding 模式（默认）

使用本地 embedder 计算向量，然后存储到 TcVector：

import (
    "trpc.group/trpc-go/trpc-agent-go/knowledge"
    vectortcvector "trpc.group/trpc-go/trpc-agent-go/knowledge/vectorstore/tcvector"
)

// 本地 embedding 模式
tcVS, err := vectortcvector.New(
    vectortcvector.WithURL("https://your-tcvector-endpoint"),
    vectortcvector.WithUsername("your-username"),
    vectortcvector.WithPassword("your-password"),
    vectortcvector.WithFilterAll(true), // 推荐开启：自动索引所有元数据字段
)
if err != nil {
    // 处理 error
}

kb := knowledge.New(
    knowledge.WithVectorStore(tcVS),
    knowledge.WithEmbedder(embedder), // 需要配置本地 embedder
)

2. 远程 Embedding 模式

使用 TcVector 云端 embedding 计算，无需本地 embedder，节省资源：

import (
    "trpc.group/trpc-go/trpc-agent-go/knowledge"
    vectortcvector "trpc.group/trpc-go/trpc-agent-go/knowledge/vectorstore/tcvector"
)

// 远程 embedding 模式
tcVS, err := vectortcvector.New(
    vectortcvector.WithURL("https://your-tcvector-endpoint"),
    vectortcvector.WithUsername("your-username"),
    vectortcvector.WithPassword("your-password"),
    vectortcvector.WithFilterAll(true), // 推荐开启：自动索引所有元数据字段
    // 启用远程 embedding 计算
    vectortcvector.WithRemoteEmbeddingModel("bge-base-zh"),
    // 如需混合检索，需启用 TSVector
    vectortcvector.WithEnableTSVector(true),
)
if err != nil {
    // 处理 error
}

kb := knowledge.New(
    knowledge.WithVectorStore(tcVS),
    // 注意：使用远程 embedding 时，不需要配置 embedder
    // knowledge.WithEmbedder(embedder), // 不需要
)

配置选项

连接配置

选项	说明	默认值
`WithURL(url)`	TcVector 服务端点	-
`WithUsername(username)`	用户名	-
`WithPassword(password)`	密码	-
`WithDatabase(database)`	数据库名称	`"trpc-agent-go"`
`WithCollection(collection)`	集合名称	`"documents"`
`WithTCVectorInstance(name)`	使用已注册的 TcVector 实例（优先级低于直接连接配置）	-

向量配置

选项	说明	默认值
`WithIndexDimension(dim)`	向量维度（需与 embedding 模型匹配）	`1536`
`WithRemoteEmbeddingModel(model)`	远程 embedding 模型名称（如 bge-base-zh）	-
`WithEnableTSVector(enabled)`	启用混合检索	`true`
`WithHybridSearchWeights(vector, text)`	混合检索权重（向量/文本）	`0.7, 0.3`
`WithLanguage(lang)`	文本分词语言（zh/en）	`"en"`

索引配置

选项	说明	默认值
`WithReplicas(n)`	副本数量	`0`
`WithSharding(n)`	分片数量	`1`
`WithFilterIndexFields(fields)`	为指定字段构建过滤索引	-
`WithFilterAll(enabled)`	启用全字段过滤（跳过索引创建）	`false`

搜索配置

选项	说明	默认值
`WithMaxResults(n)`	默认搜索结果数量	`10`
`WithDocBuilder(builder)`	自定义文档构建方法	默认构建器

字段映射（高级）

选项	说明	默认值
`WithIDField(field)`	ID 字段名	`"id"`
`WithNameField(field)`	名称字段名	`"name"`
`WithContentField(field)`	内容字段名	`"content"`
`WithEmbeddingField(field)`	向量字段名	`"vector"`
`WithMetadataField(field)`	元数据字段名	`"metadata"`
`WithCreatedAtField(field)`	创建时间字段名	`"created_at"`
`WithUpdatedAtField(field)`	更新时间字段名	`"updated_at"`
`WithSparseVectorField(field)`	稀疏向量字段名	`"sparse_vector"`

过滤器支持

TcVector 对过滤器的支持：

✅ 支持所有元数据过滤
✅ v0.4.0+ 新建集合自动支持 JSON 索引（需 TCVector 服务支持）
⚡ 可选：使用 WithFilterIndexFields 为高频字段构建额外索引

// 推荐配置（适用于大多数场景）
vectorStore, err := vectortcvector.New(
    vectortcvector.WithURL("https://your-endpoint"),
    vectortcvector.WithFilterAll(true), // 推荐开启：自动索引所有元数据字段，无需手动管理索引
    // ... 其他配置
)

// 可选：为高频字段构建额外索引以优化性能（配合 WithFilterAll(true) 使用）
metadataKeys := source.GetAllMetadataKeys(sources)
vectorStore, err := vectortcvector.New(
    vectortcvector.WithURL("https://your-endpoint"),
    vectortcvector.WithFilterAll(true),
    vectortcvector.WithFilterIndexFields(metadataKeys), // 可选：构建额外倒排索引加速查询
    // ... 其他配置
)

说明： - WithFilterAll(true)（推荐）：自动为 metadata 字段创建 JSON 索引，使所有元数据字段均可被过滤查询，无需预先定义 schema。 - WithFilterIndexFields（可选）：为特定的高频查询字段创建额外的倒排索引，在大数据量下进一步提升过滤性能。