Weaviate（1.7万星）2026：AI原生向量数据库，支持混合搜索与生成式RAG

Weaviate（16,699星）是AI原生向量数据库，带混合搜索、生成式RAG模块和简单部署。本文教你用它构建语义搜索应用。

💡 你将学到

Weaviate（16,699星）是AI原生向量数据库，带混合搜索、生成式RAG模块和简单部署。本文教你用它构建语义搜索应用。

直接给结论

weaviate/weaviate（16,699星，Go）是为AI应用设计的开源向量数据库。它支持向量搜索、BM25关键词搜索和两者结合的混合搜索——还带生成模块，不用另搭LLM管线就能跑RAG。

核心特性

• 混合搜索：一个查询融合向量+关键词，排序融合
• 生成式RAG：内置模块连接OpenAI、Cohere或本地模型
• 多租户：按客户端隔离数据
• 建模灵活：支持无schema或有schema
• 部署方式：Docker、Kubernetes或Weaviate Cloud

Docker快速开始

docker run -p 8080:8080 -p 50051:50051 \n  -e AUTHENTICATION_ANONYMOUS_ACCESS_ENABLED=true \n  cr.weaviate.io/semitechnologies/weaviate:latest

Python语义搜索

pip install weaviate-client

import weaviate
import weaviate.classes as wvc

client = weaviate.connect_to_local()

questions = client.collections.create(
    "Question",
    vectorizer_config=wvc.config.Configure.Vectorizer.text2vec_transformers(),
)

questions.data.insert({
    "question": "What is a vector database?",
    "answer": "A store that searches by meaning.",
})

result = questions.query.near_text(query="explain vector databases", limit=1)
for obj in result.objects:
    print(obj.properties["answer"])

一个查询搞定RAG

在配置里启用生成模块，然后：

response = questions.generate.near_text(
    query="what is weaviate",
    limit=3,
    single_prompt="Summarize: {question}",
)

实用技巧

• 生产级相关性用混合搜索（query.hybrid）。
• 向量化器一次配好——之后更换需要重新嵌入。
• 生产数据用 weaviate backup 设置备份。

FAQ

免费吗？ 是——BSD-3开源；Weaviate Cloud是托管选项。

支持本地嵌入吗？ 支持——text2vec-transformers或任意自定义向量化器可本地运行。

和Qdrant比怎么样？ Qdrant（33,804星）是专注的向量引擎；Weaviate多了内置混合搜索和生成式RAG模块。