返回资讯中心
外部精选
软件工程
#开发者实时流

开发者用嵌入式图数据库 Relate 打造 iOS 阅读清单应用 relate-book

来源标题:A Graph Database in Your Pocket: Relate, Extensions, and an iOS Reading App

开发者将自己积压 2002 本的 Amazon 愿望清单迁移到自建的 relate-book 应用中。该应用基于嵌入式图数据库 Relate,整个图存储为单个文件,可在笔记本上构建后由 iOS 应用直接打开同一文件,并利用图结构扩展搜索结果、解释推荐理由。

Hacker News 最新johnymontana2026/11/17 · 今天30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

多年来,我一直用亚马逊心愿单来管理我的读书清单。亚马逊心愿单并不适合这个用途,因为它优化的是记录想买的东西,所以遗憾的是,我的心愿单成了书单推荐被遗忘的地方。现在它已经有两千零二项了,而且只是一个扁平列表,没有多少搜索功能,也无法帮我找出接下来该读什么。

我真正想对阅读记录提出的问题,其实是图问题。哪些书发生在同一个地点?哪些作者反复出现?基于我已经读过并且喜欢的书,我接下来该读什么?

于是我构建了 relate-book:把我的阅读清单做成一张图,存储在 Relate 这个嵌入式图数据库中。

在这篇文章里,我想谈谈让这个项目成为可能的 Relate 的两个重要方面: 它们共同的关键在于:整张图就是一个文件。Relate 扩展在笔记本电脑上用一条命令构建这个文件,然后因为 Relate 图是单个文件,一个 iPhone 应用用同一个引擎打开同一个文件,把我的评分和笔记加进去,并利用这张图来扩展搜索结果、解释推荐理由。

你将学到:Relate 是什么、它适合用在什么地方,Relate 扩展如何工作以及我是怎么构建一个的,如何用 Swift 客户端把 Relate 嵌入 iOS 应用,以及这个应用如何把向量搜索和图模式结合起来。这篇文章面向谁:懂一些 Cypher、对嵌入式图数据库好奇的开发者。iPhone 那部分假设你能读懂 Swift。

Relate 是一个开源(Apache-2.0)、嵌入式、单进程的图数据库,使用 Cypher 查询语言。引擎运行在你的进程内,所以没有服务器要部署,也没有账号要创建。它针对 AI agent 做了优化,适用于 agent memory 和 agentic coding 工作流这类场景。

如果你用过 SQLite,那你已经有正确的心智模型了:一个数据库就是一个库加一个文件,而不是一个服务。存储是一个单独的 .rl 文件、一个目录,或者 :memory:。使用 Relate 有几种方式:CLI、八种语言的客户端,以及 relate serve,它提供 HTTP 和 MCP API。

本文用到它的四个特性:Cypher、单文件存储、SEARCH 子句背后的向量索引和全文索引,以及扩展。

那么 Relate 适合用在哪里?当图属于单个应用、运行在一台机器上、并且能放进那台机器的内存时,它就合适。整张图都放在 RAM 里,不分页到磁盘,而且一个存储同一时间只有一个写入进程。手机应用恰好就是这种形态。当你有很多写入者、数据比内存还大、或者需要集群时,它就不是正确选择。Relate 文档在 Where relate fits 一节里对此说得很直接。

同一个文件也可以从 Python(pip install relate-db)、从通过 Model Context Protocol(MCP)连接的 agent(relate serve --mcp stdio)、以及从通过 Bolt 连接的 Neo4j 驱动(relate serve --bolt 7687)打开。这些我在这里不展开,更多细节请查阅 Relate 文档。

每个图项目都从一个导入脚本开始。Relate 扩展让这个脚本成为 Relate CLI 里一等公民、可安装的命令:relate run <name> -d ./store.rl。

一个扩展包是一个包含两个文件的目录:extension.json(清单文件)和一个可执行文件。任何语言都可以,relate extension init 会为你用 Python、shell、TypeScript 或 Rust 生成脚手架。

扩展设计里一个有意思的方面是扩展如何与数据库通信。扩展是 MCP 客户端,而 relate run 是 MCP 服务器。扩展永远看不到存储路径。它把自己的参数作为一行 JSON 收到,然后通过五个工具请求宿主运行 Cypher。宿主拥有存储、事务、限制和退出码。Relate 复用了 agent 已经在说的协议,而不是发明某种插件接口。

以下是宿主提供给扩展的五个工具: 这是围绕数据库的边界,而不是沙箱。扩展只能通过那五个工具访问存储,但它的可执行文件是一个普通进程,以你的权限运行。它可以读你的文件、使用网络,而本文这个扩展确实会发出网络请求。所以对待扩展要像对待任何其他脚本一样:只有在你读过它的源码或信任它的来源时才运行它。Relate 在后一方面帮了忙。扩展从四种来源之一安装,每种都有自己的信任级别(签名的第一方渠道、固定 commit 的 GitHub release、显式 URL,或本地文件夹),而且 relate run 从不会下载扩展包。

如果你想自己写一个,Relate 文档有一个 15 分钟的教程,带你构建一个词频统计扩展:Write an extension。下一节我们来看一个更大的扩展,用来导入亚马逊心愿单。

wishlist-to-graph 是我为这个项目写的扩展。它抓取一个公开的亚马逊心愿单,把每一项写入图中,用 Open Library 解析每本书,可选地从 Wikidata 补充事实,并可选地对书中故事发生的地点做地理编码。它是一个只使用标准库的 Python 文件,所以不需要 pip install 任何东西。

本节中的 Python 片段从 wishlist-to-graph.py 中做了删减,以便保持可读性。

心愿单的每一行都成为一个 :Item。看起来像书的行(署名中有装订类型,或者有一个是有效 ISBN-10 的 ASIN——亚马逊的产品 id)还会获得 :Edition 标签,以及一条指向 :Book 的 EDITION_OF 关系。非书籍条目保持为普通 item,这样图就是列表的忠实镜像,书籍查询也保持干净。

Open Library 是模型的“脊柱”:Book 和 Author 节点以其 Open Library 键为键。主题、地点、人物、时代和体裁各自成为节点,而这正是把列表变成图的关键。两本共享一个地点的书现在就相隔两跳。Wikidata 补充奖项、系列、国籍和出生地。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →