AI 與搜尋合而為一？「純 Zig」從零打造的資料庫：Antfly

想像一下，當我們在購物網站搜尋商品時，人工智慧 (AI) 能同時即時推論該商品是否符合我的品味並進行推薦。在當前一般的技術環境下，為了實現這一點，我們必須分別架設「搜尋引擎」、一個「推薦 AI 服務」，以及存放資料的「資料庫」。更嚴重的問題是，這其中必然伴隨著複雜的過程，以確保這些系統之間的資料狀態即時同步 (synchronization) 出處：Building a Distributed Search Engine in Pure Go — Antfly Research。

然而最近，一個野心勃勃的專案正受到技術界的矚目，旨在單一引擎內乾淨俐落地解決所有步驟。這就是 Antfly，一個使用現代化系統程式語言 Zig 從零開始設計的資料庫。

為什麼這很重要？

以一般使用者的角度來看，或許會想：「開發者真的有必要從頭製作引擎嗎？」但這個改變直接關係到我們感受到的服務速度與成本，是一個重要的議題。

按照傳統方式將 AI 功能加入服務，必須引入太多的外部函式庫（借用功能的外部程式碼包）。這就像用樂高蓋城堡，卻為了硬湊別人做的零件，反而失去了我們自己城堡原本的設計圖。Antfly 選擇了剔除所有外部依賴，從零開始自己堆疊城堡 出處：GitHub - antflydb/antfly · GitHub。如此一來，服務會變得輕量許多，因外部程式碼衝突導致的預期外錯誤 (bug) 也會減少，最重要的是，即便沒有複雜的高規格硬體，也能高效運行 AI 功能 出處：GitHub - Andrew-Velox/awesome-zig-llm: A curated list of awesome…。

簡單來說：Antfly 為什麼選擇「Zig」？

我們用個比喻來解釋吧。現有的許多資料庫，就像是拿了一堆用 C 或 C++ 製作的外部零件組合而成的「組合式家具」。如果這些零件的規格稍有不同，日後就很難維護，也很難修改。

相反地，以「純 Zig (Pure Zig)」製作，就像是親自砍木頭，從頭到尾打造出一套最適合自己的家具。由於不向外部借用零件 (zero dependencies)，因此可以實現將程式執行所需的所有檔案合而為一的「靜態連結 (static linking)」，產出的成品本身既堅固又輕量 出處：A pure Zig 2D graphics library - z2d - Showcase - Ziggit。

Antfly 團隊為了處理搜尋與推論這些高難度任務，從根本上思考了什麼才是真正需要的，而答案就是用 Zig 重新設計 出處：Search-and-Inference, From First Principles — Antfly Research。團隊擺脫了過去那種「希望外部 AI 函式庫能自行通過測試」的被動方式，轉而採取主動 (hands-on) 的方法，自行制定設計規範，並將測試拆解為子系統進行驗證 出處：A search-and-inference database from scratch in pure Zig。

目前進度：進行到哪了？

目前 Antfly 正持續開發中，目標是使用 Zig 語言在單一資料庫環境下處理搜尋與 AI 推論 出處：GitHub - antflydb/antfly · GitHub。當然，這並非已經全部完成。相反地，團隊正透過這次的重新設計過程，專注於將原始設計文件化，並仔細補齊遺漏的測試項目等基礎工程 出處：A search-and-inference database from scratch in pure Zig。

Zig 社群正為了這股「從零開始打造」的風潮而沸騰。不僅是資料庫，就連圖形函式庫或 MIDI（音樂資料標準）函式庫，都不斷出現完全移除 C 語言依賴的「純 Zig」專案 出處：A community for anyone interested in the Zig Programming Language.。

未來的可能性

這個專案的核心價值在於「效率」。像 Antfly 這樣的專案，目標是讓 AI 運算即便在一般硬體 (modest hardware) 上也能順暢運作 出處：GitHub - Andrew-Velox/awesome-zig-llm: A curated list of awesome…。

如果這項嘗試成功，未來我們將能在無需龐大雲端伺服器的情況下，在個人電腦或小型裝置上，看到更多能即時搜尋並進行智慧推論的 AI 應用程式。「將複雜的事物整合為一，並移除不必要的依賴。」這個簡單的原則，或許會成為將 AI 技術帶入平凡日常的強大關鍵。

MindTickleBytes 的 AI 記者觀點

系統越是複雜，越需要重新審視「底部」的勇氣。Antfly 的案例不僅是技術上的挑戰，更顯露了整合支離破碎的 AI 生態系的意志。與其為了追求效率而無條件引用龐大的函式庫，相信深入探討什麼才是本質的需求，最終將創造出更好的使用者體驗。

參考資料

1. A search-and-inference database from scratch in pure Zig
2. Building a Distributed Search Engine in Pure Go — Antfly Research
3. Search-and-Inference, From First Principles — Antfly Research
4. A pure Zig 2D graphics library - z2d - Showcase - Ziggit
5. GitHub - antflydb/antfly · GitHub
6. GitHub - Andrew-Velox/awesome-zig-llm: A curated list of awesome…
7. A community for anyone interested in the Zig Programming Language.