Purpose Vector embeddings for semantic search and pattern matching with HNSW indexing.
| sql.js | Cross-platform SQLite persistent cache (WASM) | | HNSW | 150x-12,500x faster search | | Hyperbolic | Poincare ball model for hierarchical data | | Normalization | L2, L1, min-max, z-score | | Chunking | Configurable overlap and size | | 75x faster | With agentic-flow ONNX integration |
| Int8 | 3.92x | Fast | | Int4 | 7.84x | Faster | | Binary | 32x | Fastest |
Векторные внедрения с индексацией HNSW, сохранением sql.js и поддержкой гиперболических форматов. В 75 раз быстрее благодаря интеграции с агентным потоком. Используйте, когда: семантический поиск, сопоставление с образцом, запросы на сходство, поиск знаний. Пропускать, когда: точное совпадение текста, простой поиск, семантическое понимание не требуется. Источник: ruvnet/ruflo.