pgContext：内置于 Postgres 的完整 AI 搜索引擎（开源）

pgContext：Postgres 内置的完整 AI 搜索引擎（开源） July 21, 2026 · 3 min read · View source ↗ AI Claude 比 pgvector 快 5.3×，内置混合检索、支持过滤器的向量搜索，以及精确重打分。继续阅读，了解核心能力、基准测试，以及免费托管选项。 今天，我们发布 pgContext：一个开源的 Postgres 扩展，它把你已经在运行的数据库变成一台完整的 AI 搜索引擎。不需要额外的数据库。 [这是仓库，去疯玩吧 →] pgContext 核心能力： > TLDR：现在你可以在向量旁边使用元数据过滤器，而不必去构建索引 pgContext 提供了你期望从专用向量引擎那里获得的检索功能，同时把你的应用数据、向量、权限、过滤器、备份和复制都留在 PostgreSQL 内部。 精确向量搜索，以及持久化的、页面原生的 HNSW 索引 L2、内积、余弦和 L1 距离度量 基于已注册列和 JSONB 路径的过滤器感知 ANN 在 PostgreSQL MVCC、ACL 和 RLS 下的精确分数重检 集合（Collections）、滚动（scrolling）、计数（counts）、分面（facets）和分组（grouping） 稠密与全文混合检索，带倒数排名融合（reciprocal-rank fusion） 全都在那个你已经爱上的数据库里。有时可能爱得有点过头了。没关系。Postgres 值得它所能得到的所有爱。 基准测试 在标准的 GloVe-100-angular 基准测试上（1,183,514 个向量，使用余弦距离），pgContext 在达到与 pgvector 相同召回率的同时，中位查询延迟降低了 3.8× 到 5.3×。 — "Standard GloVe-100-angular benchmark." 两个扩展都在同一个 PostgreSQL 17 容器中、以同样的八路并行构建预算、在一台 Apple M4 Pro 上测试（那就是 @daltonmeon 在用的设备）。 随着你提高召回率目标，优势还会增大。在大约 0.91 recall@10 时，pgContext 在 2.44 ms 内完成查询，而 pgvector 需要 12.97 ms。 这份性能也可以花在质量上：在同样的延迟预算内，pgContext 能搜索图里更多的部分，并返回更高召回率的结果。 无需应用胶水代码的混合检索 语义相似度并不适用于每一个查询。产品名、标识符、精确短语、错误码和生僻词，往往从词汇搜索（lexical search）中获益更多。 pgContext 把稠密向量检索与 PostgreSQL 全文搜索结合起来，并用倒数排名融合把两种排名融合在一起。 不需要单独的搜索服务。不需要手工合并结果层。不需要重复的授权模型。 只有一个检索系统，运行在你的数据本来就在的地方。 pgContext 基于 Apache 2.0 开源。 我们是一个三人团队，所以每一个 GitHub star 既是度量指标，也是一只小小的情感支持动物。 克隆它。跑基准测试它。把 Claude Code 扔上去。用我们还没想到的方式把它弄坏。开 issue。告诉我们缺了什么。 如果它看起来有用，请给仓库点个 star。如果它现在看起来还没用，也乐观地点个 star，然后告诉我们为什么。⭐ GitHub → [Click Here] Host on Polygres → [Click Here] (Free for limited time) More Links Below! Tags: # X # AI # Claude Related articles 10 SEO backlink Claude automations for 61k AI mentions in 3 months Link building is trial and error. SEO AI Claude Automation