RyanCodrai/turbovec：README 來源編輯指南

RyanCodrai/turbovec 的 README 將專案描述為「A vector index built on TurboQuant, written in Rust with Python bindings」。本文只整理倉庫可直接核對的內容，不把 star、Fork 或宣傳語當成品質證明。README 在「README」下寫到：A 10 million document corpus takes 31 GB of RAM as float32. turbovec fits it in 4 GB - and searches it faster than FAISS.。這說明的是專案邊界，不是已完成的生產驗證。

從 README 的「README」與相關條目，可以先判斷它是否處理你的實際問題：Fast SIMD search. Hand-written NEON (ARM) and AVX-512BW (x86) kernels beat FAISS IndexPQFastScan by 19,31% on ARM; on x86 they win the 4-bit configs and trail by a few percent on 2-bit.。若需求不同，不應只因專案熱度就採用。本文保留原始專案名、命令與元件名，方便回到一手來源核對。 README 另外列出一項可核對的資訊：Online ingest. Add vectors, they're indexed , no train step, no parameter tuning, no rebuilds as the corpus grows.。這類原文條目可用來設計試跑步驟，但不能取代實際環境測試。

README 將運作方式分散在「README」等段落。可確認的線索包括：Building RAG where privacy, memory, or latency matters? You're in the right place.。本文不把未寫出的架構、效能或安全邊界補成結論；真正的執行鏈仍要配合目錄、設定檔與版本標籤檢查。

第一次安裝應從 README 指出的入口開始。目前可核對的命令是： pip install turbovec 如果倉庫沒有命令，本文不會自行編造步驟，而是建議先閱讀「Hybrid retrieval (filtered search)」，確認系統依賴、預設埠與首次初始化。

日常使用取決於專案文件。README 的「Python」段落提到：vectors and query are 2-D float32 arrays of shape (n, dim) , other dtypes are rejected rather than silently converted, so cast with np.asarray(x, dtype=np.float32) first if needed.。設定檔、環境變數、權限與資料目錄只在來源明確時才會記錄；沒有寫出的預設值，應在測試環境驗證並保留回滾副本。 同一部分也提到：Filter at search time. Pass an id allowlist (or a slot bitmask) to search() and the kernel honours it directly. You always get up to k results from the allowed set , no over-fetching, no recall hit on selective filters.。