Feature Flags
laurus クレートはデフォルトでは Feature が無効の状態で提供されます。必要に応じて Embedding サポートを有効にしてください。
利用可能な Feature
| Feature | 説明 | 主な依存クレート |
|---|---|---|
embeddings-candle | Hugging Face Candle によるローカル BERT Embedding | candle-core, candle-nn, candle-transformers, hf-hub, tokenizers |
embeddings-openai | OpenAI API Embedding | reqwest |
embeddings-multimodal | CLIP マルチモーダル Embedding（テキスト + 画像） | image, embeddings-candle |
embeddings-all | すべての Embedding Feature を統合 | 上記すべて |
各 Feature の詳細
embeddings-candle
CandleBertEmbedder を有効にし、CPU 上でローカルに BERT モデルを実行できるようにします。モデルは初回使用時に Hugging Face Hub からダウンロードされます。
[dependencies]
laurus = { version = "0.9", features = ["embeddings-candle"] }
embeddings-openai
OpenAIEmbedder を有効にし、OpenAI Embeddings API を呼び出せるようにします。実行時に OPENAI_API_KEY 環境変数が必要です。
[dependencies]
laurus = { version = "0.9", features = ["embeddings-openai"] }
embeddings-multimodal
CandleClipEmbedder を有効にし、CLIP ベースのテキストおよび画像 Embedding を使用できるようにします。embeddings-candle を暗黙的に有効にします。
[dependencies]
laurus = { version = "0.9", features = ["embeddings-multimodal"] }
embeddings-all
すべての Embedding Feature を有効にする便利な Feature です。
[dependencies]
laurus = { version = "0.9", features = ["embeddings-all"] }
TLS とネットワークの挙動
Embedding Feature は、信頼するルート証明書のソースが異なる 2 系統の TLS スタックを使用します。
| Feature | HTTP クライアント | TLS backend | 信頼するルート証明書のソース |
|---|---|---|---|
embeddings-candle, embeddings-multimodal | hf-hub（ureq） | rustls | バイナリに埋め込まれた Mozilla ルート証明書（webpki-roots） |
embeddings-openai | reqwest | rustls | OS の信頼ストア（rustls-platform-verifier 経由） |
Hugging Face Hub からのモデルダウンロード（embeddings-candle /
embeddings-multimodal）は、OS の信頼ストアではなくバイナリに埋め込まれた
証明書を使用します。これは意図的な設計です。ca-certificates パッケージが
入っていない scratch や distroless コンテナ内でも、完全静的リンクの musl
バイナリがモデルをダウンロードできるようにするためです。トレードオフとして、
このパスでは SSL_CERT_FILE / SSL_CERT_DIR は尊重されず、OS の信頼ストア
にのみ導入された独自 CA（例: 社内の TLS インスペクションプロキシ配下）は
信頼されません。そのようなプロキシ経由で Hugging Face へのダウンロードを
行う必要がある場合は、キャッシュを事前に用意して HF_HOME でそれを指すか、
信頼された内部ミラーを HF_ENDPOINT で指定してください。
embeddings-openai は OS の信頼ストアを参照するため、これを使用する
コンテナには引き続き ca-certificates のインストールが必要です。
Feature Flag がバイナリサイズに与える影響
Embedding Feature を有効にすると、コンパイル時間とバイナリサイズが増加する依存クレートが追加されます。
| 構成 | おおよその影響 |
|---|---|
| Feature なし（Lexical のみ） | ベースライン |
embeddings-candle | + Candle ML フレームワーク |
embeddings-openai | + reqwest HTTP クライアント |
embeddings-multimodal | + 画像処理 + Candle |
embeddings-all | 上記すべて |
Lexical（キーワード）検索のみが必要な場合は、Feature を有効にせずに Laurus を使用することで、最小のバイナリサイズと最速のコンパイル時間を実現できます。