moss
usemoss/moss加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象这样一个场景：用户正和语音客服机器人对话，问了一句"我上周订的那个耳机退款到哪一步了"，机器人需要在 500ms 内给出回答。传统方案中，光是调用外部向量数据库（Pinecone / Qdrant / ChromaDB）的往返网络延迟就达到 350-930ms，还没算上 Embedding 调用的耗时——这个等待时间在语音对话中是致命的，会让用户明显感到"卡顿"甚至打断对话节奏。
Moss 正是为解决这个痛点而生的。它是一个亚毫秒（<10ms）语义搜索运行时，将 Embedding 模型和检索引擎直接嵌入应用进程内，彻底消除网络调用开销。
检索增强生成（RAG）是 AI 应用的主流架构，而向量数据库是 RAG 的核心组件——负责将文本片段 Embed 成向量，在向量空间中搜索相似内容，返回给 LLM 作为上下文。然而，这条技术链路在实时对话场景中遇到了根本性挑战：
远程向量数据库的延迟是硬伤。 一次完整的语义搜索需要：Embedding（调用外部服务 50-200ms）+ 网络往返（50-200ms）+ 向量检索（100-500ms）= 总耗时 200-900ms。这对于普通 AI ChatBot 勉强可以接受，但对于需要实时语音交互的 AI Agent（如电话客服、现场助手）来说，500ms 以上的延迟就会导致对话体验明显下降。
2025 年下半年，Moss 由美国 AI 基础设施公司 InferEdge Inc. 正式发布，迅速获得 AI Agent 开发社区的关注。其核心团队来自 edge computing 和嵌入式 AI 领域，选择了一条不同于传统向量数据库的技术路线：不做数据库，做运行时（Runtime）。
Moss 不是又一个向量数据库，它是一个可直接嵌入应用进程的语义搜索 SDK。开发者通过 Python / TypeScript / Elixir / C 等语言调用 MossClient，将文档索引到本地运行时，在进程内完成 Embedding + 检索全流程。
官方基准测试（100,000 文档，750 次查询，MacBook Pro M4 Pro 24GB）：
| 系统 | P50 | P95 | P99 | 均值 |
|---|---|---|---|---|
| Moss | 3.1ms | 4.3ms | 5.4ms | 3.3ms |
| Pinecone | 432.6ms | 732.1ms | 934.2ms | 485.8ms |
| Qdrant | 597.6ms | 682.0ms | 771.4ms | 596.5ms |
| ChromaDB | 351.8ms | 423.5ms | 538.5ms | 358.0ms |
Moss 的 P99 延迟（5.4ms）比 Pinecone 的 P50 延迟（432.6ms）还要快两个数量级。值得注意的是，Moss 在基准中已将 Embedding 时间纳入测量，而竞品使用了外部 Embedding 服务——这意味着实际生产环境中差距可能更大。
Moss 同时支持语义向量搜索和 BM25 关键词搜索，可在一个查询中组合使用，取长补短。对于品牌名、产品型号等精确匹配需求，关键词搜索效果更好；对于意图理解类查询，语义搜索更胜一筹。
Moss 绑定了轻量级 Embedding 模型 moss-minilm，开箱即用，无需接入 OpenAI / Cohere 等外部 Embedding API。同时也支持接入自定义 Embedding 服务，灵活性不受限制。
支持在查询时对文档元数据施加过滤条件，例如按文档类别、时间范围、来源数据库等进行精准筛选，满足生产级 RAG 场景的精细化检索需求。
@moss-dev/moss-web，可在浏览器内完成语义搜索，完全不依赖服务器Moss 提供专门的 data-connector 包，支持从 SQLite、MySQL、MongoDB、Supabase 等数据库直接抽取数据建立索引，无需手动 ETL，数据同步更便捷。
Moss SDK 遵循清晰的两层架构：
应用代码
↓
SDK 层（纯语言实现，开源）
└─ MossClient — 异步 API，管理索引和文档操作
└─ 与 Moss Cloud 通信处理变更和分发
↓
Native 绑定层（Rust 编写，预编译，随 SDK 包分发）
└─ ManageClient — 管理操作（创建/删除索引）
└─ IndexManager — 本地 Embedding + 检索
Python SDK（moss 包）的 MossClient 实际上是 moss_core（Rust 编译的 Python 扩展）的 Python 封装，所有核心计算都在 Rust 层完成，保证性能。TypeScript SDK（@moss-dev/moss）同理，@moss-dev/moss-core 是 Node.js 原生模块。
Python 依赖：httpx（异步 HTTP 客户端）+ inferedge-moss-core（Rust 扩展）+ typing-extensions。TypeScript SDK 为纯 ESM 模块，零外部运行时依赖。
Moss 不只是一个检索库，而是一个集成生态。仓库内置了 10+ 主流 AI 框架的集成示例，覆盖从 RAG 管道到多 Agent 协作的完整场景：
这些集成示例不是简单的 toy demo，很多是可直接部署到对应平台的完整应用。
Python（pip）：
pip install moss
from moss import MossClient, QueryOptions
client = MossClient("your_project_id", "your_project_key")
await client.create_index("docs", [{"id": "1", "text": "如何申请退款？"}])
await client.load_index("docs")
results = await client.query("docs", "退款流程是什么？", QueryOptions(top_k=3))
TypeScript（npm）：
npm install @moss-dev/moss
Next.js Web UI：
cd apps/next-js && npm install && npm run dev
cd apps/pipecat-moss/ollama-local
docker compose up
一个命令即可启动完整的本地语音 AI 助手：Ollama 提供本地 LLM 推理，Moss 提供本地检索，Pipecat 处理实时音频，三者完全离线运行，数据不出本地机器。
1. 云端凭证是必需的（但有免费层） 虽然 SDK 可以完全本地运行，但索引分发和项目管理依赖 Moss Cloud 服务。开发者必须注册 moss.dev 获取凭证。免费层额度足够小规模使用，但生产环境需要付费计划。
2. 索引规模受限于本地内存 Moss 本地运行时将整个索引加载到内存中。对于百万级文档的检索场景，内存占用可能成为瓶颈——这正是传统向量数据库分布式架构的优势所在。
3. 仍在 Beta 阶段 当前版本 1.0.0b19，生产环境使用需评估稳定性风险。
4. 生态积累较新 相比 Pinecone（2021年）、Qdrant（2021年）、ChromaDB（2022年）早起步的产品，Moss 的社区规模和案例积累尚浅，企业级支持能力有待验证。
Moss 的出现代表了一个趋势：AI 基础设施正在从"中心化数据库"向"嵌入式运行时"演进。过去三年，向量数据库是 RAG 场景的标准答案；Moss 则提出了另一种思路——与其优化网络延迟，不如把计算推进到数据侧。
这一方向与 WebAssembly 的"代码贴近数据"理念一脉相承，也与 Edge AI 的发展轨迹高度吻合。InferEdge 公司的命名本身就透露了这一取向（Inference + Edge）。
从 GitHub Star 增长来看（2025年10月上线，半年多时间达 429★），Moss 正在快速积累开发者关注。其 Voice AI 集成方向尤为值得关注——实时语音 Agent 是目前 AI 落地最热门的场景之一，而 <10ms 检索是这一场景的刚需。
总结： Moss 是一个专为 AI Agent 实时对话场景设计的嵌入式语义搜索运行时。通过将 Embedding 和检索下沉到应用进程内，实现了相比传统向量数据库两个数量级的延迟降低。其多语言 SDK（Python/TS/Elixir/C）、多端部署（云/本地/WASM）和丰富的框架集成生态，使其成为构建低延迟 AI Agent 的利器。适合对响应速度敏感的场景（语音助手、实时 Copilot、现场客服），对于超大规模索引（百万+文档）场景仍需评估内存约束。