性能

测试环境

• 数据量：15,097 个文本片段（5,000 篇文档），向量维度 384
• 运行环境：Windows，Python 3.14
• 使用 FakeEmbedder，仅测量 NLQL 自身的检索耗时，不含 embedding 计算

实测结果

操作	延迟
写入	~2,000 片段 / 秒
语义查询	1.6 – 2 ms
语义查询 + 元数据过滤	~4.4 ms
纯元数据过滤	~6.2 ms

在万级到十万级数据量下，内置存储（纯 Python）的查询延迟在毫秒量级。

大数据量

数据量超过十万、百万级时，可切换专用后端：

from nlql.store.hnsw_store import HnswStore
engine = Engine(embedder, store=HnswStore())

可选后端：FaissStore、HnswStore、QdrantStore、ChromaStore、PgVectorStore。切换后端仅改动一行，查询代码不变。详见混合后端。

运行基准

python benchmarks/bench.py [n_docs]

脚本位于仓库的 benchmarks/ 目录。