turbovec：把向量索引的训练步骤直接砍掉

turbovec这两天在GitHub上火了，一天涨了一千五百多个star。它是个用Rust写的向量索引，带Python接口，卖点简单粗暴：向量丢进去就建好索引，完事。没有训练阶段，没有k-means码本，数据涨了也不用重建。

这就是它的全部意义。大家一上手都用的FAISS靠的是乘积量化，意味着要训练一个码本，数据一漂移还得重新训。turbovec换了个路子，底层是Google Research的TurboQuant，一个不需要看你数据、零遍历就能量化的算法，还能逼近香农失真下界。说白了就是压缩很狠，但压之前根本不看你的数据长什么样。一千万篇文档，float32要吃31GB，到这儿只要4GB左右，手写的NEON和AVX-512内核在ARM上比FAISS的快速扫描还快12%到20%。

一个agent资讯为什么要关心向量索引？因为现在卡脖子的就是记忆。任何一个能记事的agent，底层都在做检索，而先训练再重建这套动作，恰恰是agent每分钟都在写新记忆时最不想要的摩擦。一个本地优先、没有训练步骤、不依赖托管服务的索引，正是让常驻agent真正跑得便宜的那种管道。

先说清楚，它五月中旬就冒出来了，现在才在trending上爆，所以新的是关注度，不是代码。MIT协议，PyPI和crates.io都能装，LangChain、LlamaIndex、Haystack的集成都接好了。仓库：github.com/RyanCodrai/turbovec