@vectora/core：唯一共享业务库

@vectora/core 是 Vectora 的唯一业务实现来源。当前项目的 Express/tRPC 服务直接调用此库；NestJS 适配层以独立交付包形式提供，也只调用此库，不再复制图片向量、DashVector 或图片入库逻辑。

核心职责

| 文件 | 唯一实现内容 | | --- | --- | | src/image-embedding.ts | Python 子进程协议、图片格式/大小校验、解释器发现与向量 JSON 解析 | | python/image_embedding.py | ResNet-50 与 DINOv2 ViT-S/14 的真实模型推理代码 | | src/dashvector.ts | Collection 管理、Float 向量序列化、余弦距离转换、阈值过滤与索引重试 | | src/local-image-storage.ts | 本地原图命名、写入与公开 URL 生成 | | src/vectora-core-service.ts | extract、index、search 的统一业务编排 |

当前项目如何复用

当前项目中的 server/imageEmbedding.ts、server/dashvector.ts、server/vectoraService.ts 都是轻量适配层，分别将当前环境变量、图片存储和 tRPC 路由接入 @vectora/core。因此 React 页面调用 embedding.extract、embedding.save、embedding.search 时，实际运行的正是本目录中的核心实现。

在 NestJS 项目中复用

将整个 packages/vectora-core 复制到目标 NestJS 项目的相同目录，然后构建并安装为本地依赖：

# 在目标项目根目录执行
npx tsc -p packages/vectora-core/tsconfig.build.json
npm install ./packages/vectora-core

接着从单独交付的 Vectora-nestjs-shared-library.zip 复制 src/vectora 至目标项目。NestJS 模块会导入 @vectora/core，并通过 VectoraService 对外提供完全相同的 extract()、index()、search() 方法。

任何模型策略、DashVector 评分或图片存储逻辑变更都应修改本包，而不是改 Express 或 NestJS 适配层。这样两种项目会在下次构建后自动使用同一套行为。