weaviate
开源云原生向量数据库，支持语义搜索与混合检索。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：weaviate。 它的用途是：开源云原生向量数据库，支持语义搜索与混合检索。 完整的 Skill 内容见：https://321skill.com/skills/weaviate/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我用 Weaviate 搭建一个公司内部知识库的语义搜索系统。” 它会指导你通过 Docker Compose 快速启动 Weaviate 服务，并演示如何使用 Python 客户端创建集合（Collection）、导入技术文档、利用嵌入模型生成向量，最后编写一个查询示例，让你能通过自然语言问题（如‘如何配置数据库连接池’）快速找到相关的内部文档片段。
介绍
Weaviate 是一个开源的云原生向量数据库，它解决了在海量数据中进行高效、精准语义搜索和混合检索的难题。传统数据库难以处理非结构化数据（如文本、图像）的语义理解，而 Weaviate 通过存储对象及其向量表示，能够根据含义而非仅仅是关键词来查找信息。
使用 Weaviate 时，您可以通过 Docker、Kubernetes 或直接使用其云服务快速部署。它支持两种向量化方式：一是利用集成的 AI 模型（如 OpenAI、Cohere）在数据导入时自动生成向量；二是直接导入预先计算好的向量。随后，您可以使用其统一的查询接口，结合向量相似性搜索、关键词过滤、检索增强生成（RAG）和重排序等功能进行数据检索。
这个工具非常适合需要构建智能搜索、推荐系统、聊天机器人、内容分类或 RAG 应用的开发者和数据科学家。无论是初创公司还是大型企业，只要涉及非结构化数据的语义理解和检索，都能从中受益。
与同类向量数据库（如 Pinecone、Milvus）相比，Weaviate 的核心优势在于其“数据库”属性更为完整。它不仅专注于向量搜索，还提供了更丰富的数据库功能，如多租户、数据复制、基于角色的访问控制（RBAC）以及将向量与原始对象数据统一存储和管理的能力，使其更易于集成到需要复杂数据操作和权限管理的生产系统中。
核心特点
Weaviate 不仅是一个向量搜索引擎，更是一个功能完整的数据库，原生支持多租户、数据复制和细粒度权限控制（RBAC），适合需要复杂数据管理和安全策略的生产级应用。其统一的查询接口能一次性完成向量相似性搜索、关键词过滤和检索增强生成（RAG），简化了开发流程。
注意事项
对于仅需简单、轻量级向量检索且无需复杂数据库功能（如多租户、ACID事务）的快速原型或小型项目，可能显得过于重型。
常见问题
Weaviate 和普通数据库有什么区别？
Weaviate 是向量数据库，专为存储和检索非结构化数据（如文本、图像）的向量表示而设计，支持基于语义的相似性搜索，而普通数据库主要处理结构化的表格数据，基于精确匹配或简单索引。
Weaviate 如何生成向量？
支持两种方式：一是使用内置集成的 AI 模型（如 OpenAI, HuggingFace）在导入数据时自动生成向量；二是直接导入您自己预先计算好的向量嵌入。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/weaviate/raw/index.md 读取 weaviate 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/weaviate/raw/index.md（查看排版版本）