salut tout le monde!

Bonjour à tous ! ?

Heureux de publier mon premier article sur la plateforme et ravi de faire partie de cette formidable communauté de développeurs ! ?

---

? La base de données vectorielles Node.js basée sur FAISS HNSW est là !

J'ai développé une base de données vectorielles Node.js haute performance basée sur FAISS et je suis ravi de pouvoir enfin la partager avec vous tous ! ?

? eada-cpu est optimisé pour l'index FAISS HNSW (Hierarchical Navigable Small World) , permettant des recherches KNN efficaces directement dans Node.js , non Dépendance Python requise.

---

?Résultats de référence

**指标**	**数值**
**向量维度**	128
**向量数量**	7,000,000
**KNN搜索时间**	4.05 ms ?
**与FAISS-Python相比的性能**	快10% - 15%
**数据集大小**	~5GB
**索引时间**	1小时36分钟

 ? **Entièrement optimisé pour le processeur ! **

Ce benchmark s'exécute entièrement sur le CPU, ce qui le rend idéal pour les serveurs standards qui ne nécessitent pas d'accélération GPU.

Cela permet aux applications LLM RAG, aux moteurs de recommandation et aux recherches vectorielles de s'exécuter de manière efficace et rentable dans Node.js.

---

? Principales caractéristiques

✅ Support FAISS HNSW → Recherche KNN rapide et précise

✅ Pure Node.js → Aucune dépendance Python requise

✅ Compatible avec Windows/Linux/macOS (Intel et ARM64)

✅ Construisez un système basé sur CMake pour une prise en charge multiplateforme facile

✅ N-API et support prédéfini → Installez facilement à l'aide de la commande suivante :

<code class="language-bash">npm i eada-cpu</code>

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!