LiteVectorDB Documentation At a glance
GitHub ⭐
🌙

A tiny vector database
for local AI applications

Made for RAG, agents, offline apps, and experimentation.

Installation GitHub →
Python
SQL
R
Java
Node.js
# Perform a semantic search using a natural language query # Display results 

1 from litevectordb import LocalVectorDB
2 
3 db = LocalVectorDB(path="demo_store.db", dim=64)
4 
5 # Insert sample texts with optional metadata 
6 texts = [
7     "Neural networks learn patterns from data.",
8     "Vector databases enable fast similarity search."
9 ]  
10 
11 ids = db.add_texts(texts=texts, metadatas=[{"tag": "ml"}
12   , {"tag": "database"}])
13 print("Inserted IDs:", ids)
14 
15 query = "How do vector databases work?"
16 results = db.similarity_search(query, top_k=2)
17 
18 for r in results:
19     print(f"{r.score:.4f} - {r.text} ({r.metadata})")

LiteVectorDB at a glance

Leve

Projetado para ser extremamente simples com base em SQLite.

Portátil

Um único arquivo .db que funciona em qualquer ambiente.

Ideal para RAG local

Recupere embeddings sem enviar dados para a nuvem.

Rápido o suficiente

Busca semântica em milissegundos.

Fácil de integrar

API clara: add(), search(), delete().

Open-source

MIT License. Ideal para estudo e contribuições.

Installation

Python 
pip install litevectordb