OceanBase AI 数据库面向 AI 应用与 Agent 的多模数据库

-- 导入 pyseekdb 模块
from pyseekdb import Schema, VectorIndexConfig, IVFConfiguration, FulltextIndexConfig

-- 创建带 IVF 向量索引与全文索引的 Collection
collection = client.create_collection(
    name="tech_docs",
    schema=Schema(
        vector_index=VectorIndexConfig(
            ivf=IVFConfiguration(dimension=384, distance="cosine", centroids_fresh_mode="spfresh"),
        ),
        fulltext_index=FulltextIndexConfig(analyzer="ik"),
    ),
    use_namespace=True,
)

-- 创建 Namespace，系统自动分配 namespace_id
ns = collection.create_namespace("my_knowledge")
print(f"namespace_id: {ns.namespace_id}")

-- 批量写入文档（本示例只传文本，由 SDK 自动生成向量）
ns.add(
    ids=["doc1", "doc2", "doc3"],
    documents=[
        "OceanBase AI 数据库是蚂蚁集团自研的分布式数据库，支持 HTAP 混合负载",
        "Agent 混合搜索场景是 OceanBase AI 数据库面向 AI Agent 的多租户向量搜索方案",
        "pyseekdb 是 OceanBase AI 数据库的 Python SDK，提供向量存储与混合搜索能力"
    ],
    metadatas=[
        {"category": "database", "version": "4.0"},
        {"category": "ai", "version": "4.6"},
        {"category": "sdk", "version": "1.2"},
    ],
)

-- 用自然语言做向量搜索，返回最相似的 2 条并打印结果
results = ns.query(
    query_texts=["分布式数据库"],
    n_results=2,
    include=["documents", "metadatas", "distances"],
)

for i, id_ in enumerate(results["ids"][0]):
    print(f"id: {id_}")
    print(f"  document: {results['documents'][0][i]}")
    print(f"  distance: {results['distances'][0][i]:.4f}")