开源推荐

其他

近 5000 Star！一个数据库干翻四个，这个 Rust 项目让 Neo4j 都不香了

发表于 2026年06月14日阅读 7 评论 0

大家好，我是何三，独立开发者

之前写 RAG 应用的时候，我真的很崩溃。

装个 PostgreSQL 存用户数据，装个 Milvus 做向量检索，再装个 Neo4j 搞知识图谱，最后还得写一堆胶水代码把这些东西串起来。三个数据库，三套 API，三个部署流程，加一个中间层。

一个 AI 应用还没写，光搭基础设施就花了一周。

直到我翻到了这个项目——HelixDB。近 5000 Star（确切是 4.8k+），YC 孵化，Rust 写的，一个数据库同时干了图、向量、KV、文档四件事。

而且，它居然还自带了 MCP 协议支持。

什么意思？你的 AI Agent 可以直接连上它，不需要写任何适配层。

一个数据库，而不是四个

先说我看到这个项目的第一反应。

没懂作者为什么这么设计。图数据库就好好存图，向量数据库就好好做搜索，硬塞到一块儿，不会是缝合怪吧？

看完文档后，我收回这句话。

HelixDB 的核心数据模型是图 + 向量。每个节点可以有属性（像文档），可以连关系（像图），属性上可以建向量索引（像向量库），还能做 BM25 全文检索。

HelixDB 架构图

说白了——它用一张底层存储，把四种数据库的事情全干了。你不需要在不同数据库之间倒数据，不需要写 ETL 管道，不需要维护多个集群。

这个思路，怎么说呢……就是那种你一直想要但没人做出来的东西。

装一个顶四个？上手试试

安装体验让我有点意外。

一条命令：

curl -sSL "https://install.helix-db.com" | bash

装完之后，更骚的操作来了——helix chef。

这是个一键引导器。你告诉它你想做什么，它帮你初始化项目、启动本地实例、灌示例数据，甚至——如果检测到你有 Claude Code 或 Codex——它会自动帮你把整个应用搭起来。

我试了一下，输入"建一个知识图谱，存 GitHub 仓库和贡献者的关系，支持语义搜索"。

几分钟后，它生成了一整个能跑的项目。

说真的，用 Rust 写出这玩意儿，真的服。

helix chef
# 然后回答一个自然语言描述
# 它帮你搞定一切

手动启动也不复杂：

mkdir my-helix-app && cd my-helix-app
helix init
helix start dev

默认运行在 localhost:6969。端口都选得这么骚。

用 Rust 写查询？这波操作我没想到

HelixDB 的查询是用 Rust 或 TypeScript 的 DSL 写的。

等等——用宿主语言写数据库查询？

我第一次看到这个设计的时候，说实话，有点懵。

后来理解了它的逻辑：查询在编译期被校验，错误提前暴露，而不是等到运行时才报错。而且 Rust 的宏系统让查询 DSL 用起来极其自然。

use helix_db::Client;
use helix_db::dsl::prelude::*;

#[register]
pub fn add_user(name: String) {
    write_batch()
        .var_as("user", g().add_n("User", vec![("name", name)])
            .value_map(None::<Vec<String>>))
        .returning(["user"])
}

#[register]
pub fn get_user(name: String) {
    read_batch()
        .var_as("user", g().n_with_label("User")
            .where_(Predicate::eq("name", name))
            .value_map(None::<Vec<String>>))
        .returning(["user"])
}

#[tokio::main]
async fn main() {
    let client = Client::new(None).unwrap();

    let new_user = client
        .query::<sonic_rs::Value>()
        .dynamic(add_user("John Doe".to_string()))
        .send()
        .await
        .unwrap();
    println!("new user: {:#}", sonic_rs::to_string_pretty(&new_user).unwrap());
}

这是 Rust SDK 的写法，增删改查都写在 #[register] 函数里。HelixDB 内部有一个叫 HelixQL 的中间语言，而 SDK 只是把 DSL 编译成这个中间语言再发给服务端。

翻译一下：写代码的时候 IDE 就能提示你写错了，不用等跑起来才报 500。

如果不用 Rust，TypeScript 也支持：

import { g, readBatch, writeBatch, Predicate, PropertyInput } from "@helix-db/helix-db";

function addUser(name: string) {
  return writeBatch()
    .varAs("user", g().addN("User", { name: PropertyInput.value(name) })
      .project(["name"]))
    .returning(["user"]);
}

这套 DSL……怎么说呢，刚开始会觉得有点奇怪，习惯了之后发现比写 SQL 还顺手。因为它是类型安全的。

跟 Neo4j 打了一架，还赢了

HelixDB 的团队在博客里发了 benchmark 数据——跟 Neo4j 和 PostgreSQL（用表 join 模拟图关系）做了对比。

结果？在真实的图数据集上，HelixDB 的查询性能全面领先。

当然，benchmark 这东西，看看就好，实际性能取决于你的数据模型。但至少说明它不是来凑数的。

它的向量搜索用的是 HNSW 算法，这是目前最主流的近似最近邻搜索算法——跟 Milvus、Qdrant 这些专用向量库用的是同一套东西。所以向量搜索能力不是"能用"的水平，而是生产级。

MCP 协议：给 AI 智能体准备的礼物

这个才是让我真的觉得"卧槽"的功能。

HelixDB 内置了 MCP（Model Context Protocol） 支持。MCP 是 Anthropic 推的一个标准协议，让 AI Agent 能直接连接外部工具和数据源。

大多数数据库要支持 MCP，得自己写一个中间适配层。而 HelixDB 直接原生支持——你的 AI Agent 可以通过 MCP 直接查询 HelixDB 里的知识图谱，不需要任何胶水代码。

说白了，如果你的 AI 应用需要长期记忆、企业知识库、上下文管理，HelixDB 是市面上少有的开箱即用方案。

总结

一个数据库顶四个，Rust 写的性能不掉链子，MCP 协议让 AI Agent 开箱即用。

HelixDB 不是那种"能跑就行"的项目，它在设计上的很多选择——编译期查询校验、宿主语言 DSL、MCP 原生支持——都让我觉得，这团队的思路确实不一样。

原理大概就是这样，细节可能有出入——有懂的大佬欢迎指正。

装不装都行，看你自己。但建议你先 star 一下，万一哪天用上了呢。

本文使用 MGO 编辑并发布

关注"何三笔记"，回复"mgo" 免费下载使用

版权声明：如无特殊说明，文章均为何三笔记原创，转载请注明出处

本文链接：https://www.h3blog.com/article/861/

一个数据库，而不是四个
装一个顶四个？上手试试
用 Rust 写查询？这波操作我没想到
跟 Neo4j 打了一架，还赢了
MCP 协议：给 AI 智能体准备的礼物
同类工具怎么看
总结