import { SpaceName } from 'hnswlib-node';
import { Memory, Vector } from '../../types';
/**
 * 基于HNSW算法的向量索引实现
 * 使用hnswlib-node库提供高效的相似向量搜索
 */
export declare class HnswVectorIndex {
    private index;
    private dimensions;
    private maxElements;
    private memories;
    private idToIndex;
    private indexToId;
    private currentCount;
    private spacetype;
    private logger;
    private indexPath;
    private efConstruction;
    private M;
    /**
     * 创建HNSW向量索引
     * @param dimensions 向量维度
     * @param maxElements 最大元素数量
     * @param indexPath 索引保存路径
     * @param efConstruction 构建索引时的ef参数(默认200)
     * @param M 最大出边数(默认16)
     * @param spacetype 空间类型('l2'或'ip'，默认'cosine')
     */
    constructor(dimensions: number, maxElements?: number, indexPath?: string, efConstruction?: number, M?: number, spacetype?: SpaceName);
    /**
     * 初始化索引
     */
    private initIndex;
    /**
     * 添加记忆到索引
     * @param memory 记忆对象
     * @returns 是否成功添加
     */
    addMemory(memory: Memory): boolean;
    /**
     * 从索引中移除记忆
     * @param id 记忆ID
     * @returns 是否成功移除
     */
    removeMemory(id: string): boolean;
    /**
     * 基于向量相似度搜索记忆
     * @param vector 查询向量
     * @param limit 返回结果数量
     * @returns 相似记忆数组，按相似度降序排列
     */
    search(vector: Vector, limit?: number): Memory[];
    /**
     * 将距离转换为相似度
     * 根据不同的空间类型，使用不同的转换方法
     */
    private convertDistanceToSimilarity;
    /**
     * 获取所有索引中的记忆
     * @returns 所有记忆的数组
     */
    getAllMemories(): Memory[];
    /**
     * 获取索引中的记忆数量
     * @returns 记忆数量
     */
    getSize(): number;
    /**
     * 保存索引到文件
     * @param filePath 可选的文件路径，不提供则使用构造函数的路径
     * @returns 是否成功保存
     */
    saveIndex(filePath?: string): boolean;
    /**
     * 从文件加载索引
     * @param filePath 可选的文件路径，不提供则使用构造函数的路径
     * @returns 是否成功加载
     */
    loadIndex(filePath?: string): boolean;
    /**
     * 清空索引
     */
    clear(): void;
}