@qieqie 是的，在不同数据量级上，HNSW 算法可能不是最有解，感谢提供建议。

CloseVector 的核心价值并不是在计算性能上在不同量级上取得最优解，而是提供一套本地运行向量数据库的解决方案，这种解决方案可能适用于数据敏感、可扩展性要求比较强（ CloseVector 只依赖本地存储或者 CDN 存储）的场景，而这些场景不一定需要服务端向量数据库的参与，例如你需要索引本地的所有图片，索引你本地的所有文档，只要本地设备能够接受运行、存储、传输成本即可。

至于 CloseVector 为什么选用 HNSW 呢，是因为一是 HNSW 在不同数据量级上，表现可接受；二是 HNSW 算法足够简单且有开源的成熟库，能够比较方便支持后续 CloseVector 在例如 Python 、Swift 、Kotlin 等语言上提供接入版本。

在小量级的场景，HNSW 的表现应该在用户可感知范围没有明显影响，后续 CloseVector 如果需要优化运行效率的话，确实可以向您说的，优化序列化结构，然后在不同的量级上采取不同的算法。

基于 Hnswlib ，重写了 CloseVector 的实现： https://closevector-docs.getmegaportal.com/blog/release

1. 通过 WASM, CloseVector 现在可以在浏览器上运行，这可能适合一些前端插件类的应用；
2. 我们添加了针对 node.js 和 web 的 npm 库，以便于快速集成，同时这些库与 langchain 是兼容的；
3. 创建数据库后，可以通过 API 上传到 CloseVector 后台，这样在 node.js 或 web 环境中方便下次加载和使用。

CloseVector 的文档站点的搜索功能是基于 CloseVector 本身实现的。您可以访问文档站点来体验： https://closevector-docs.getmegaportal.com/

查看文档站点的具体实现： https://github.com/MegaPortal/closevector-doc

@amoia50 后面完善完善，再考虑开源哈。