ANNLib: A Development Framework for Efficient Approximate Nearest Neighbor Search
ANNLib：解耦算法与数据结构的高性能 ANNS 开发框架
🧭 解耦算法与数据结构的可扩展 ANNS 框架 ★ 深度解读
UC Riverside · William & Mary
通过解耦算法与数据结构，实现灵活组合的图基 ANNS 框架，性能与专用系统相当或更优
📌 工作参考价值（4 点）
- 模块化设计允许独立替换图算法（Vamana、HNSW）与底层存储容器（CSR、功能树、Chrono Prefix Array），推荐系统可快速适配静态索引、实时更新或历史快照回溯等不同场景。
- 内置 Stitched-vamana 与 Filtered-vamana 过滤搜索，通过定制邻居访问闭包 (f_nbhs) 即可在向量检索中无缝融合商品标签或属性约束，避免预过滤的性能损失。
- 批量删除采用惰性标记 + 并行边修复 (consolidation) 策略，能在不重建索引的情况下维护图连通性，适合电商场景中频繁上下架商品的向量索引维护。
- Chrono Prefix Array 通过共享前缀压缩历史边版本，将多版本快照内存占用降低达 70.4%，可用于 A/B 测试或离线分析时高效保存索引状态。