检查环境

确认你的操作系统（Linux x86_64/ARM64 或 macOS ARM64）和Python版本（3.10-3.12）符合要求。

在终端输入 `python --version` 或 `python3 --version` 查看版本。

安装Zvec Python包

根据README，使用pip安装Zvec。通常命令为 `pip install zvec`。

建议在虚拟环境（如venv, conda）中安装，避免包冲突。如果安装慢，可尝试使用国内镜像源，如 `pip install zvec -i https://pypi.tuna.tsinghua.edu.cn/simple`。

验证安装

创建一个简单的Python脚本，尝试 `import zvec`。如果没有报错，说明安装成功。

运行“一分钟示例”

仔细阅读并运行README中的“One-Minute Example”代码块。这是理解Zvec工作流程（创建索引、插入向量、搜索）最快的方式。

逐行理解代码，重点关注 `Index` 对象的创建、`add` 方法和 `search` 方法的参数。尝试修改向量数据和搜索参数，观察结果变化。

理解核心对象：Index

学习 `Index` 是Zvec的核心，它管理所有向量数据并负责搜索。了解初始化时需要指定的参数，如向量维度（`dimension`）和度量标准（`metric`，如‘cosine’）。

稠密向量搜索

使用自己生成或加载的稠密向量数据集（例如，来自句子Transformer的嵌入），重复快速入门中的流程，进行更大批量的插入和搜索。

可以从Hugging Face或使用 `sentence-transformers` 库获取一些文本嵌入作为测试数据。

尝试混合搜索

学习在 `search` 方法中使用 `filter` 参数。例如，在搜索相似图片向量时，可以过滤只属于某个“类别”或“时间戳”范围内的结果。

查阅官方文档（Docs），了解过滤条件的语法和示例。这是Zvec的强大功能之一。

探索稀疏向量支持

如果你有稀疏向量数据（例如TF-IDF特征），尝试创建用于稀疏向量的索引，并进行搜索。注意与稠密向量索引创建参数的可能差异。

将Zvec集成到一个小项目中

设计一个简单的应用场景，例如：一个本地文档问答原型。步骤：1. 将一些文档片段转换为向量存入Zvec。2. 接收一个查询问题并将其向量化。3. 用Zvec搜索最相关的文档片段。

可以使用简单的文本嵌入模型（如 `all-MiniLM-L6-v2`）。重点体验“进程内数据库”无需启动外部服务的特点。

性能初体验

尝试插入数千到数万条向量记录，然后进行多次搜索，感受其速度和内存占用。与连接远程向量数据库的服务进行概念对比。