DURABLE
Persistent Core
StorageBackend + VantaFile + WALFjall (default) or RocksDB fallback. Automatic crash recovery via Write-Ahead Log with CRC32C checksums.
v0.1 · MVPEmbedded · Local-First · Rust
VantaDB
Motor Rust embebido para memoria local durable y retrieval híbrido de vectores.
Memoria persistente, recuperación WAL crash-safe y hybrid search nativo — sin servicios externos, contenedores ni dependencias de red.
Python 3.11+ · Rust 1.94.1+
0.0msLatencia híbridaBM25 + HNSW · RRF
0Vec / secThroughput de ingestión
0%Recall@10Validado 10K–100K
0Hops de redIn-process · embedded
1.2msRRFWAL · CRC32CZERO NET
IN-PROCESS
Interactive mark · move your mouse · BM25 + HNSW via RRF
Compatible con tu stack local
OllamaLLM localLangChainorquestaciónLlamaIndexRAGCrewAIagentesAutoGenmulti-agenteHaystackpipelinesOllamaLLM localLangChainorquestaciónLlamaIndexRAGCrewAIagentesAutoGenmulti-agenteHaystackpipelines
Core Capabilities
Motor embebido en Rust con recuperación híbrida nativa
6 superficies · 1 motor embebido
FUSION
Hybrid Search
BM25 + HNSW via RRFFuses lexical scoring and vector similarity using Reciprocal Rank Fusion. Automatically routed via query planner.
LOCAL-FIRST
Embedded Surface
Rust Core + PyO3 BindingsZero-network overhead. Python bindings route through a stable src/sdk.rs boundary. Runs in-process.
ANN
Vector Retrieval
Native HNSW · CosineCosine similarity with configurable M, ef_construction, and ef_search. Validated on 10K–100K synthetic datasets.
CRUD
Memory API
namespace + key recordsput/get/delete/list/search store UTF-8 payloads, scalar metadata, optional vectors, timestamps, versions, and deterministic node IDs.
OPS
Operational Flows
Rebuild + JSONL + MetricsANN rebuild, memory export/import, text-index repair, stale derived-index repair, and process telemetry through the SDK boundary.
El motor
Un query viaja por planner, rutas paralelas y fusión RRF — todo en proceso, sin saltos de red.
01
Input Query
db.search(...)
db.search("agent/main", vector=[...], top_k=5)02
Query Planner
route · plan · dispatch
Inspecciona el query. Si hay vector + texto, lanza ambas rutas en paralelo. Si solo texto, ruta BM25. Si solo vector, ruta HNSW.
03a
BM25
inverted index · phrase
Term-frequency scoring sobre UTF-8. Índice invertido derivado, reparable desde registros canónicos.
BM25TF·IDFphrase
03b
HNSW
cosine · M · ef_search
Hierarchical small-world graph. Cosine similarity, parámetros M / ef_construction / ef_search. SIMD donde aplica.
HNSWcosineSIMD
04
RRF Fusion
reciprocal rank
score = Σ 1/(k + rank)
Combina rankings léxicos y vectoriales sin necesidad de scores comparables.
05
Ranked Hits
top_k · 1.2ms · 100% Recall@10
[hit, hit, hit, ...]1.2ms p50crash-safe
WAL · CRC32C
Cada mutación se escribe al Write-Ahead Log con checksums CRC32C antes del commit. Recovery real tras crash, corte de energía o kill del proceso.
storage backend
Fjall / RocksDB
Fjall por defecto, RocksDB como fallback. Storage backend configurable con VantaFile abstraction.
zero network
PyO3 · In-process
Stable src/sdk.rs boundary. Cero hops de red, ejecución in-process. Latencia determinista.
5-Minute
Quickstart
Initialize a persistent memory store, save structured records with vectors, and execute hybrid retrieval in pure Python. No servers. No containers.
- 1.Open or create a local DB (zero config)
- 2.Store a record: payload + metadata + vector
- 3.Retrieve exact record by key
- 4.Hybrid search: BM25 + Cosine via RRF
- 5.Telemetry & safe shutdown
Distribution note
The package name is vantadb-py, but the import uses an underscore: import vantadb_py
quickstart.py · vantadb_py
▋ typing · 0/29 lines
zero configin-processRRF fusionWAL durable
Latency Explorer
Adjust the workload parameters and watch how VantaDB compares against a typical network-bound database. Numbers scale from the BENCH-01 baseline using an illustrative cost model.
Presets:
5
Results returned per query
128d
Embedding vector width
10K
Indexed vector count
p99 latency · lower is faster
scale 0–14.8msthroughput · queries/sec
Hybrid
854
HNSW
1575
BM25
2087
Network DB (typical)
152
Simulate benchmark
edge workload · 10KRun a 3-second simulated benchmark of the current workload configuration. Results are extrapolated from the BENCH-01 baseline with ±4% jitter.
Note: Baseline from BENCH-01 (10K vectors, 128d, cosine). The cost model is illustrative — actual figures depend on hardware, AVX2, and ef_search configuration. Run python benchmarks/vantadb_local_bench.py for real numbers on your machine.
Casos de uso
Tres dominios donde la memoria local híbrida cambia las reglas.
In-process · zero network
memory
AI Agents
<2msrecall por turno
Memoria persistente para agentes. put/get/search con namespaces, vectores opcionales y metadata escalar. Tus agentes recuerdan entre sesiones — sin Redis, sin Postgres, sin red.
namespacevectormetadataversions
retrieval
Local RAG
100%Recall@10
Pipelines RAG 100% locales. Chunk, embed, almacena en VantaDB, hybrid search con RRF, alimenta contexto a tu LLM. Compatible con Ollama, LlamaIndex, LangChain y Haystack.
BM25HNSWRRFJSONL
code
IDE Tooling
0network hops
Memoria para asistentes de código. Indexa repos, símbolos y snippets como embeddings. Búsqueda semántica sub-millisecond sobre tu codebase, in-process junto al LSP.
CLISDKembeddingsexport
Tutorials
Aprende VantaDB paso a paso
¿Listo para construir?
Abrí el Quickstart y put() tu primer record en 30 segundos.
Preguntas Frecuentes
Todo lo que necesitas saber sobre VantaDB
8 preguntas
No. VantaDB es embedded-first y local-first. Se ejecuta in-process dentro de tu aplicación Python (o Rust). El modo servidor (vanta-server) existe como wrapper opcional, pero no es la identidad principal del producto — está pensado para desarrollo local o exposición de red puntual.
El path ANN shipped usa cosine similarity. Es configurable con parámetros M, ef_construction y ef_search. El motor ha sido validado en datasets sintéticos de 10K a 100K vectores con 100% Recall@10.
El query planner ejecuta en paralelo el path léxico (BM25 sobre índice invertido) y el path vectorial (HNSW cosine). Los rankings se fusionan con Reciprocal Rank Fusion (RRF): score = Σ 1/(k + rank). Esto combina coincidencias keyword exactas con proximidad semántica.
Cada mutación se escribe al Write-Ahead Log con checksums CRC32C antes del commit. En un reinicio tras crash, corte de energía o kill del proceso, el log repliega las mutaciones canónicas en orden — durabilidad real sin corrupción silenciosa.
No. Eso está explícitamente diferido. VantaDB es un motor de memoria embebido, no una plataforma multimodelo universal ni cloud. El MVP = memoria embebida + WAL + vector/BM25/hybrid + export/import + CLI/Python.
Sí — es uno de los casos de uso principales. VantaDB está diseñado para agentes de IA, pipelines RAG locales y aplicaciones edge. La integración directa con LLM/Ollama es experimental (no MVP), pero el store de vectores + retrieval híbrido está production-facing.
Rust 1.94.1+ (crate nativo), Python 3.11+ via PyO3 (pip install vantadb-py). Wheels precompilados para Windows, macOS y Linux. El CLI (vanta-cli) se instala como binario precompilado o via cargo.
Usa vanta-cli export --namespace agent/main --out ./memory.jsonl para exportar a JSONL. La importación y el rebuild de índices (ANN, texto) están disponibles como flujos operacionales a través del SDK y la CLI.
¿Más preguntas?
Sumate a la comunidad — Discord y GitHub.
Confianza y Adoptabilidad
Construido para ser auditable, verificable y confiable
Local-first
Stack técnico
1.94.1+ + 3.11+Rust Core
Engine, WAL, HNSW, BM25, Fjall/RocksDB
PyO3 Bridge
Stable SDK boundary, zero-copy where possible
Python Wheels
Pre-compiled for Windows, macOS, Linux
Embedded CLI
vanta-cli: put, list, export, audit, repair
Código AbiertoApache 2.0In-process1.94.1+ · 3.11+
Start buildingtoday
Una instalación. Cero daemons. Motor Rust in-process con WAL crash-safe y retrieval híbrido nativo.
Apache 2.0 · Rust 1.94.1+ · Python 3.11+ · Windows / macOS / Linux