在我当前的应用程序中，我需要按照 AI 社区中众所周知的基于实例的学习范式创建一个基于案例的存储库。
基于案例的存储库需要在对应用程序的两次调用之间持久存储。
但是我担心由此隐含的序列化/反序列化（可能是 JSON 或键值对的轻量级格式）会产生如此多的 I/O 开销，以至于编写一个好的索引机制（它在 in-案例库的内存描述）只会加速一小部分，因此没有实质性的好处。
现在我认为有两种解决方案
a) 尝试直接对文件进行索引，同时执行 I/O 和索引。
b）以某种方式将案例库的内存中表示的内存图像保存到文件中，以便“文件解析”然后简化为简单的 memcpy（包括内存映射文件）。请注意，文件格式是二进制的，而不是基于 a) 中的 UTF-8。
有没有人遇到过类似的问题并尝试过 b) 的方法？