SeekDB:三行代码搞定AI搜索-AI时代的数据库新选择

docker pull oceanbase/seekdb:latest
docker run -d --name seekdb -p 2881:2881 oceanbase/seekdb:latest

sudo yum-config-manager --add-repo https://mirrors.aliyun.com/oceanbase/OceanBase.repo
sudo yum install seekdb obclient
sudo systemctl start seekdb

obclient(root@(none))[oceanbase]> use test;
Database changed
obclient(root@(none))[test]> create table tb1(id int primary key,name varchar(20));
Query OK, 0 rows affected (0.250 sec)

obclient(root@(none))[test]> insert into tb1 select 1,'a';
Query OK, 1 row affected (0.022 sec)

obclient(root@(none))[test]> select * from tb1;
+------+------+
| id   | name |
+------+------+
|    1 | a    |
+------+------+
1 row in set (0.009 sec)

obclient(root@(none))[test]> select now();
+---------------------+
| now()               |
+---------------------+
| 2025-12-28 19:50:50 |
+---------------------+
1 row in set (0.003 sec)

pip3 install pyseekdb

import pyseekdb
client = pyseekdb.Client(path="./seekdb.db", database="test")

import pyseekdb
# 连接到远程 SeekDB 服务器
client = pyseekdb.Client(
    host="192.168.1.15",  # 请替换为您的 SeekDB 服务器 IP
    port=2881,             # 默认端口，请确保已映射且防火墙放行
    user="root",           # 默认用户名
    password="",  # 如果未设置密码，此处可设为空字符串 ""
    database="test"        # 要连接的数据库名
)
# 后续操作，例如获取或创建集合（Collection）
collection = client.get_or_create_collection("tb1")
print("成功连接到远程 SeekDB 服务器！")

# 设置API密钥 os.environ["DASHSCOPE_API_KEY"] = "sk-799a659d10f644db9521192032587956"
import pyseekdb
from pyseekdb import DefaultEmbeddingFunction
# 1. 建立连接（以服务器模式为例）
client = pyseekdb.Client(
    host="192.168.1.15", port=2881, user="root", password="", database="test"
)
# 2. 获取或创建一个集合（Collection）
collection = client.get_or_create_collection(
    name="product_kb",
    embedding_function=DefaultEmbeddingFunction()  # 使用默认嵌入模型自动生成向量
)
# 3. 向集合中添加数据（文档和元数据）
documents = [
    "Laptop Pro with 16GB RAM, 512GB SSD, and high-speed processor",
    "Gaming Laptop with 32GB RAM, 1TB SSD, and high-performance graphics",
    "Business Ultrabook with 8GB RAM, 256GB SSD, and long battery life"
]
metadatas = [
    {"category": "laptop", "ram": 16, "price": 12000},
    {"category": "laptop", "ram": 32, "price": 25000},
    {"category": "laptop", "ram": 8, "price": 9000}
]
ids = ["doc1", "doc2", "doc3"]
collection.upsert(
    documents=documents,
    metadatas=metadatas,
    ids=ids
)
# 4. 执行混合查询：结合语义、元数据过滤和全文检索
results = collection.query(
    query_texts="powerful computer for professional work",  # 语义搜索
    where={"category": "laptop", "ram": {"$gte": 16}},      # 元数据过滤
    where_document={"$contains": "RAM"},                    # 全文检索
    n_results=2                                             # 返回数量
)
# 5. 处理结果
print("混合搜索结果显示：")
for i, doc in enumerate(results['documents'][0]):
    print(f"{i+1}. {doc}")
    print(f"   元数据：{results['metadatas'][0][i]}\n")

import pyseekdb
# 1. 连接到嵌入式数据库
client = pyseekdb.Client(
    host="192.168.1.15",  # 请替换为您的 SeekDB 服务器 IP
    port=2881,             # 默认端口，请确保已映射且防火墙放行
    user="root",           # 默认用户名
    password="",  # 如果未设置密码，此处可设为空字符串 ""
    database="test"        # 要连接的数据库名
)
# 2. 获取或创建一个集合（Collection），类似于数据库中的表
collection = client.get_or_create_collection("my_docs")
# 3. 向集合中添加文档（SeekDB会自动为这些文本生成向量）
collection.add(
    documents=[
        "机器学习是人工智能的一个子集",
        "Python是一种流行的编程语言",
        "向量数据库能够实现语义搜索"
    ],
    ids=["doc1", "doc2", "doc3"] # 为每个文档指定唯一ID
)
# 4. 执行语义搜索：这就是宣传的“三行代码”核心
results = collection.query(
    query_texts="人工智能", # 输入你的查询文本
    n_results=2 # 返回最相似的2个结果
)
# 打印结果
print("搜索 '人工智能' 的结果：")
for i, doc_id in enumerate(results['ids'][0]):
    print(f"{i+1}. ID: {doc_id}, 内容: {results['documents'][0][i]}")

client = SeekDB.Client()
client.create_collection("company_knowledge")
client.add_documents(["公司政策文档", "产品说明书"])

# 智能客服问答
def ask(question):
    results = collection.query(question, n_results=1)
    return results[0].content

# 金融风控查询
results = collection.query(
    "近7天交易超5万元、位置异常且行为类似历史欺诈样本",
    n_results=5
)