FastEmbed是由Qdrant开发的一款轻量级Python向量嵌入库，基于ONNX Runtime构建，支持在CPU环境下高效运行，无需依赖GPU。它提供文本、图像等多模态内容的向量化能力，内置多种预训练嵌入模型，适用于语义搜索、检索增强生成（RAG）等自然语言处理应用场景，具有安装简便、推理速度快、资源占用低的特点。
FastEmbed是由Qdrant团队开发的Python库，专门用于在本地环境中快速生成文本和图像的向量嵌入
FastEmbed采用ONNX Runtime作为推理引擎，不需要依赖PyTorch或TensorFlow
FastEmbed只支持特定的模型列表，并非所有Hugging Face上的模型都能直接使用
Google的KALM/Gemma系列等MTEB排行榜上排名最高的一些模型不在FastEmbed支持范围内
FastEmbed的embed()方法返回的是一个生成器（Generator），需要通过list()来触发实际的计算
FastEmbed默认嵌入模型在语义测试中，Apple与Microsoft的向量欧氏距离为0.78，比Apple与Bananas的距离0.877更近，正确识别了科技公司语义关联
FastEmbed支持图像嵌入，可使用Qdrant/resnet50-onnx等模型
Qdrant向量数据库在使用add方法添加文档时，如果没有手动提供嵌入向量，会自动调用FastEmbed在后台完成嵌入计算
FastEmbed的GPU加速目前仅支持NVIDIA显卡（需要安装CUDA驱动），AMD显卡暂不支持
FastEmbed可通过pip install fastembed安装CPU版本，通过pip install fastembed-gpu安装GPU版本
还有 2 条时间轴事件