- 初始化 Go 模块 首先，确保你在项目的根目录下。然后运行以下命令来初始化一个新的 Go 模块，这将创建一个 go.mod 文件：
go mod init pdf-cpu
这里的 pdf-cpu 是模块的名称，你可以根据需要更改。
- 添加依赖项 接下来，运行以下命令来添加 pdfcpu 库作为依赖项：
go get github.com/pdfcpu/pdfcpu/pkg/api
这个命令将下载并安装 pdfcpu 库的 api 包以及它的所有依赖项，并自动更新你的 go.mod 文件。
你还可以运行：
go get github.com/pdfcpu/pdfcpu/pkg/pdfcpu
来确保你获取到了你需要的 pdfcpu 包。
- 使用 go mod tidy 你可以运行 go mod tidy 命令来自动添加和移除依赖项。这个命令会检查你的代码，添加任何缺失的依赖项，并移除未使用的依赖项。
go mod tidy
go mod tidy 将确保你的 go.mod 文件是最新的，并且你可以直接运行你的程序而不需要手动管理依赖。
- 运行你的 Go 文件 在正确安装依赖项并初始化 Go 模块后，你应该能够成功运行你的 Go 文件：
go run pdf-cpu.go
总结步骤
初始化 Go 模块：go mod init pdf-cpu
添加依赖项：go get github.com/pdfcpu/pdfcpu/pkg/api
运行代码：go run pdf-cpu.go
如果你之后需要更新或管理依赖项，可以使用 go mod tidy 清理未使用的依赖项，或者使用 go mod vendor 将依赖项本地化。
mac中需要使用curl并需要将install.sh中的wget相关代码改成如下：
for site in ${SITES[@]}; do
URL="${site}/mo_ctl_standalone/archive/refs/heads/main.zip"
add_log "I" "Try to download mo_ctl from URL: ${URL}"
if curl -L --retry 2 --retry-delay 30 --max-time 60 -o ${DOWNLOAD_FILE_RENAME} ${URL}; then
add_log "I" "Successfully downloaded mo_ctl"
rc="0"
break
fi
done
在向量索引（Vector Index）中，为了实现高效的向量相似性搜索，通常需要创建三个隐藏表，这些表在索引的内部结构中起着关键作用。具体来说，这些表包括：
Meta Table (元数据表)：
功能：存储索引的元数据，如索引的配置信息、参数和状态等。 内容：可能包括索引创建时间、参数设置（如向量维度、分区数量）、索引的版本信息和其他与索引相关的元数据。 Centroid Table (质心表)：
功能：存储向量分区的质心（centroids）信息。质心是向量聚类算法（如K-means算法）生成的代表各个簇中心的向量。 内容：每个质心对应一个簇，表中记录了这些质心向量及其相关信息，如质心的ID、向量值和可能的其他统计数据。 Entries Table (条目表)：
功能：存储实际的数据向量及其与质心的关系。每个数据向量会被分配到离它最近的质心，从而形成簇。 内容：包括每个向量的ID、向量值以及它所属的质心ID。这使得在查询时可以快速找到与查询向量最相似的簇，从而加速相似性搜索。 通过这三个表的配合，向量索引能够实现以下功能：
快速聚类：质心表（Centroid Table）允许快速确定查询向量应归属的簇，从而减少需要比较的向量数量。 高效搜索：条目表（Entries Table）保存了实际的数据向量，查询时只需要比较特定簇中的向量，提升了搜索效率。 元数据管理：元数据表（Meta Table）提供了索引的配置信息和状态管理，方便对索引进行维护和优化。 通过这种结构，向量索引能够在处理大规模数据集时保持高效的相似性搜索性能。
