Appearance
Weaviate
Weaviate 是由荷兰阿姆斯特丹的 SeMI Technologies 开发的开源 AI 原生向量数据库，成立于 2019 年，创始人包括 Bob van Luijt（CEO）、Etienne Dilocker（CTO）和 Micha Verhagen。它以 GraphQL 原生接口、模块化 AI 集成和强大的混合搜索能力在向量数据库领域独树一帜。
核心定位
Weaviate 的定位是**"向量+语义"搜索引擎**，不仅存储和检索向量，还内置了关键词搜索（BM25）、混合搜索和可选的自动向量化模块，让开发者无需额外搭建 embedding pipeline 即可构建语义应用。
关键特性
| 特性 | 说明 |
|---|---|
| GraphQL 原生接口 | 独特的 GraphQL 查询方式，支持向量搜索、过滤、聚合一体化查询 |
| 模块化 AI 集成 | 可插拔 embedding 模块（OpenAI、Cohere、HuggingFace 等），支持自动向量化 |
| 混合搜索 | 向量相似度 + BM25 关键词搜索的加权融合 |
| 生成式搜索 | 内置 RAG 能力，可直接对接 LLM 生成答案 |
| 多租户 | 原生租户隔离，适合 SaaS 多客户场景 |
| Schema 驱动 | 强类型数据模型，定义数据类、属性和向量化策略 |
架构要点
- 开源核心（BSD-3 协议）：完整引擎开源，可自由部署
- 云托管（WCS）：Weaviate Cloud Services 提供全托管版本
- 存储引擎：基于 LSM-Tree，向量索引采用 HNSW（Hierarchical Navigable Small World）
- 水平扩展：多节点集群支持分片与复制
- 容器优先：原生支持 Docker 和 Kubernetes 部署
- 多协议：gRPC、REST、GraphQL 三种 API 方式
主要应用场景
- RAG 应用：内置生成式搜索模块，快速构建文档问答系统
- 知识图谱：结合向量相似性与图结构查询的复合场景
- 电商搜索：混合语义+关键词的商品检索
- 科学研究：学术文献、生物信息学中的语义检索
融资与商业
- 累计融资约 6,700 万美元（Seed $5M，Series A $16M，Series B $50M）
- 客户包括 Stack Overflow、Red Hat、Instabase、Shippo 等
- 欧洲开源生态的代表性公司，强调数据主权与隐私合规
差异化优势与局限
| 优势 | 局限 |
|---|---|
| GraphQL 接口对前端开发者友好 | GraphQL 学习曲线对纯后端开发者有一定门槛 |
| 模块化设计灵活，可选自动向量化 | 自动向量化增加延迟和成本 |
| 混合搜索召回率高 | 纯向量搜索吞吐量不及 Qdrant |
| 开源+云双模式 | 自托管运维复杂度高于 Chroma |