Què hi pots construir

Quinze aplicacions que podries llançar de debò, cada una al costat de l'stack al qual recorreries avui — i exactament on Arkeion és més fort. Allà on encara guanya el de sempre, ho diem. Els números surten dels propis benches del repositori.

Sistemes regulats i auditats

2.51× més ràpid en escriptures durables que SQLite amb les mateixes garanties d'auditoria

Històries clíniques d'un centre mèdic (EHR)

En comptes de Postgres + triggers d'auditoria + una taula d'històric

	Arkeion	Postgres + triggers d'auditoria + una taula d'històric
Detectar que un registre s'ha alterat	Cadena de hashes SHA-256 + verify(), dins del mateix emmagatzematge — i una àncora que desis a fora	Una taula d'històric que un usuari amb privilegis pot editar sense deixar rastre
Llegir un registre tal com era fa un any	SELECT … AS OF aquella versió o marca de temps	Reproduir el log d'auditoria a mà per reconstruir-lo
Xifratge de dades personals en repòs	AES-256-GCM per pàgina, amb la teva clau, triada en crear	Afegir-hi pgcrypto o xifratge de disc, configurat a part

Facturació que ha de sobreviure a una auditoria

En comptes de MySQL + un log d'auditoria a nivell d'aplicació

	Arkeion	MySQL + un log d'auditoria a nivell d'aplicació
El rastre append-only	L'emmagatzematge ÉS el rastre (append-only copy-on-write)	Una taula de log que escriu l'aplicació — i que es pot oblidar d'escriure
Correccions	Una versió nova; la factura antiga continua sent adreçable	UPDATE sobreescriu; hi ha històric només si el vas registrar
Còpies de seguretat	Copia un fitxer — el rastre d'auditoria se'n ve amb ell	mysqldump més mantenir coherent la taula de log

Cadena de custòdia de proves judicials

En comptes de Postgres + un bucket WORM + hashes manuals

	Arkeion	Postgres + un bucket WORM + hashes manuals
Detectar manipulacions	Cada commit encadenat amb SHA-256; verify() + ancoratges	Calcular els hashes tu, desar-los en un altre lloc i esperar que quadrin
Viatjar en el temps a qualsevol punt	AS OF natiu	Restaurar una còpia de seguretat per inspeccionar el passat
Bit-rot en emmagatzematge fred	Reed-Solomon per pàgina ho repara; scrub() recorre el fitxer	Els checksums del bucket detecten la corrupció, però no la reparen

IA, RAG i cerca semàntica

14–21× més petit l'índex vectorial que el de pgvector amb 1M de vectors

Un bot de suport que respon des de la teva documentació interna

En comptes de Postgres + pgvector + Redis

	Arkeion	Postgres + pgvector + Redis
Vector + paraula clau en una sola consulta	RRF híbrid (BM25 + vector) de manera nativa	Consultar pgvector i un índex de text, i després fusionar-ho al codi
Petjada de l'índex amb 1M de fragments	~39 MB (IVF-PQ)	551–820 MB (pgvector)
Mantenir els magatzems sincronitzats	Un fitxer, un camí d'escriptura	L'aplicació manté coherents BD + magatzem vectorial + cau

Cerca semàntica sobre un catàleg de productes

En comptes de Elasticsearch + un plugin vectorial

	Arkeion	Elasticsearch + un plugin vectorial
Sistemes a operar	Un motor incrustat	Un clúster d'Elasticsearch a executar, assegurar i escalar
Filtres + vectors alhora	WHERE d'SQL + ANN en una sola consulta	Combinar el DSL de consultes amb kNN i ajustar-los tots dos
Amb desenes de milions de vectors	Un sol node; l'avantatge s'estreny (IVF recorre O(N) candidats)	Un motor de graf dedicat (HNSW) s'avança a aquesta escala

Una app de notes que troba pel significat

En comptes de SQLite + una BD vectorial allotjada

	Arkeion	SQLite + una BD vectorial allotjada
On viuen els vectors	Al mateix fitxer, al costat de les notes	Un servei vectorial a part al costat del teu SQLite
Sense connexió / local-first	Totalment incrustat, sense crides de xarxa	La BD vectorial sol ser un viatge d'anada i tornada a un servei
Calcular els embeddings	Model extern — porta el teu	També model extern (Arkeion no afegeix dependències d'ML)

Cerca full-text dins de l'app

0 serveis de cerca addicionals a mantenir

El cercador d'un centre d'ajuda o base de coneixement

En comptes de Algolia (cerca allotjada)

	Arkeion	Algolia (cerca allotjada)
On viu el teu contingut	A la teva base de dades, a la teva infraestructura	Enviat i desat al núvol d'Algolia
Model de cost	Incrustat — sense cost per cerca	Preu per cerca o per registre
Sensació de cerca instantània	BM25 ràpid i autoallotjat + fragments i ressaltat	Fet a mida per a això: normalment més ràpid i més tolerant a errades

Cerca en un lloc de documentació o un wiki

En comptes de Elasticsearch

	Arkeion	Elasticsearch
Operació	Incrustat, zero serveis extra	Un clúster JVM a executar i afinar
Cercar en versions antigues	MATCH … AS OF cerca en el passat	Reindexar snapshots pel teu compte
Velocitat bruta de consulta a escala	Un sol node	Escala horitzontalment millor per a corpus molt grans

papaya — un client de correu, construït sobre Arkeion

Construït sobre Arkeion · en desenvolupament

En comptes de SQLite + FTS5

	Arkeion	SQLite + FTS5
Xifratge de l'índex de cerca	Xifrat juntament amb el correu (AES per pàgina)	L'índex FTS5 es queda al disc en clar
Cercar correu antic o esborrat	MATCH … AS OF cerca en el passat	Desapareix tan bon punt se sobreescriu la fila
Velocitat bruta de consulta i construcció	Índex més petit al disc; competitiu	C amb dècades de maduresa — encara és més ràpid consultant i construint

SaaS multi-tenant i l'edge

~2× en escriptures durables enfront de SQLite en disc real — un fitxer per tenant

quota — quotes d'API, configuració i logs de peticions a l'edge

● En producció sobre Arkeion

En comptes de Postgres + Redis

	Arkeion	Postgres + Redis
Sistemes a cada node edge	Un motor incrustat — va substituir tots dos	Un Postgres i un Redis a executar i mantenir sincronitzats
Històric de canvis de configuració	Versionat + AS OF, encadenat per hash	Una taula d'auditoria a part, si te la vas muntar
Escriptures durables de log en disc real	~2× (append-only, un fsync per commit)	Dos sistemes, dos modes de fallada sobre els quals raonar

svitrio — un panell de control multi-tenant

En comptes de Postgres amb un esquema per tenant

	Arkeion	Postgres amb un esquema per tenant
Aïllament entre tenants	Un fitxer per projecte — físic	Clúster compartit — aïllament lògic
Fer còpia o donar de baixa un tenant	cp o rm d'un fitxer	pg_dump filtrat per esquema; les eliminacions són delicades
Claus de xifratge per tenant	Natiu — una clau per fitxer	Complicat en una instància compartida

Una app d'escriptori local-first

En comptes de SQLite (pelat)

	Arkeion	SQLite (pelat)
Desfer / historial	Versions + AS OF de sèrie	Implementar el journaling tu mateix
Diffs aptes per sincronitzar	Branch + merge a tres bandes	Comparar files a mà
Maduresa i petjada	Jove, pre-1.0	Provat durant dècades, petjada per defecte més petita

Dades versionades i migracions

a 3 bandes diff i merge sobre les teves dades, no només sobre el teu codi

Feature flags amb rollback instantani

En comptes de Postgres + una taula de configuració + auditoria

	Arkeion	Postgres + una taula de configuració + auditoria
Revertir un canvi dolent	AS OF o tornar a una versió a l'instant	Restaurar una còpia de seguretat o desfer les files d'auditoria
Què va canviar i en quin ordre	Històric encadenat per hash de cada versió	Refiar-te d'una columna updated_by
Provar abans d'aplicar	Branch, prova, merge	Una còpia de staging i una promoció manual

Un CMS headless: edita en una branca, publica quan estigui a punt

En comptes de Postgres + un flux d'esborrany/publicació

	Arkeion	Postgres + un flux d'esborrany/publicació
Un esborrany com a branca de debo	Branch de dades + merge	Columnes d'esborrany o files duplicades
Previsualitzar qualsevol publicació passada	AS OF	Desar còpies versionades pel teu compte
Comparar dues versions	diff_versions()	Escriure la consulta de diff a mà

Datasets d'ML versionats que pots comparar i revertir

En comptes de Parquet a S3 + DVC / lakeFS

	Arkeion	Parquet a S3 + DVC / lakeFS
Llegir una versió	SQL AS OF — la consultes directament, sense checkout	Fer checkout d'un commit i després llegir els fitxers
Granularitat d'un diff	A nivell de fila: changes() / diff_versions()	A nivell de fitxer, no per fila
Analítica columnar a escala de petabytes	Un sol node, orientat a files	Fet per a escaneigs columnars enormes

Mira d'on surten els números

Cada xifra està mesurada contra SQLite, pgvector, Qdrant i FTS5 — incloses aquelles en què guanyen ells. Llegeix els benchmarks →

Llegeix el codi