SQLite-Vector 是一个跨平台、超高效的 SQLite 扩展，直接在普通 SQLite 表中存储向量，无需虚拟表、无需预先索引，内存占用低至 30MB，支持 Float32、Float16、Int8 等多种向量类型，完美适配边缘 AI 和移动端应用。| #扩展
它内置多种距离度量，C 语言实现并优化 SIMD 加速，运行速度极快，支持离线使用，无需外部服务器，轻松集成现有 SQLite 工作流。
主要功能：
- 无需虚拟表，向量直接以 BLOB 形式存储在普通表中；
- 零预索引，插入即用，实时向量搜索；
- 多种距离函数支持：L2、L1、COSINE、DOT 等；
- 极低内存占用，默认仅需 30MB；
- 跨平台支持 iOS、Android、Windows、Linux、macOS；
- 离线运行，隐私安全，无需云端依赖；
- 轻松集成 Python、Swift 及 SQLite CLI 等多种环境。
适合需要在本地快速实现向量搜索、语义检索、推荐系统和边缘 AI 的开发者和团队。安装简单，直接加载扩展即可使用。
完全免费，无订阅费用，仅需使用自己的API钥匙；本地运行，隐私至上，数据永不外泄；支持多LLM选项，可为不同Agent选择不同模型
Nanobrowser | #替代品 #扩展
DeepSeekAI - Smart Web Assistant | #扩展
注意：此插件需要你有自己的 OpenAI API 密钥（或其他 LLM API 密钥）；它不适用于免费版本的 ChatGPT。
特点包括：
利用现有的笔记本用户体验，直接在 VSCode IDE 中进行聊天对话。
在本地存储和操作长格式聊天对话，无需依赖云存储。
将文件动态展开为提示，以更新提示以响应编辑。
支持不同的LLM API（目前是OpenAI、Together、Google），支持多种不同的模型。
chatllm-vscode | #扩展
使用该类型的 Postgres 原生全文搜索tsvector有两个主要问题：
性能：在大表上搜索和排名很慢。当表增长到数百万行时，单个全文搜索可能需要几分钟的时间。
功能：Postgres 不支持模糊搜索、相关性调整或 BM25 相关性评分等操作，而这些操作是现代搜索引擎的基础。
pg_bm25旨在弥合 Postgres 全文搜索的本机功能与 ElasticSearch 等专业搜索引擎的本机功能之间的差距。目标是消除将 ElasticSearch 这样繁琐的服务引入数据堆栈的需要。
一些功能pg_bm25包括：
100% Postgres 原生，对外部搜索引擎零依赖；
构建于 Tantivy 之上，Tantivy 是 Apache Lucene 搜索库的基于 Rust 的替代品；
与Postgres 的内置全文搜索和排序功能tsquery和相比，超过 100 万行的查询时间快了 20 倍ts_rank；
支持模糊搜索、聚合、突出显示和相关性调整；
相关性评分使用 BM25，与 ElasticSearch 使用的算法相同；
实时搜索 - 新数据可立即搜索，无需手动重新索引。
pg_bm25站在几个开源巨头的肩膀上。这篇博文的目的是认识这些项目并分享pg_bm25其构建方式，为开发人员提供 Postgres 数据库的简单性和世界级搜索引擎的搜索功能。
pg_bm25 | #扩展
官方地址 | Chrome 应用商店 |#插件 #扩展
