docs: add multi-language documentation (ru, fa, zh, tr, ar)

docs/ru/vector.md

@@ -0,0 +1,71 @@
+# Векторный движок
+
+Родные индексы HNSW и IVF-PQ для поиска по сходству.
+
+## Использование
+
+```nim
+import barabadb/vector/engine
+
+var idx = newHNSWIndex(dimensions = 128)
+idx.insert(1, @[1.0'f32, 0.0'f32, ...], {"category": "A"}.toTable)
+
+let results = idx.search(queryVector, k = 10)
+
+let filtered = idx.searchWithFilter(queryVector, k = 10,
+  filter = proc(meta: Table[string, string]): bool =
+    return meta.getOrDefault("category") == "A")
+```
+
+## Типы индексов
+
+### HNSW
+
+Иерархический навигируемый граф малого мира для приближенного поиска ближайших соседей.
+
+```nim
+var hnsw = newHNSWIndex(
+  dimensions = 128,
+  m = 16,
+  efConstruction = 200,
+  efSearch = 100
+)
+```
+
+### IVF-PQ
+
+Инвертированный файловый индекс с продуктовым квантованием.
+
+```nim
+var ivfpq = newIVFPQIndex(
+  dimensions = 128,
+  numCentroids = 256,
+  subQuantizers = 8
+)
+```
+
+## Метрики расстояния
+
+| Метрика | Описание |
+|---------|---------|
+| `cosine` | Косинусное сходство |
+| `euclidean` | L2 расстояние |
+| `dotproduct` | Скалярное произведение |
+| `manhattan` | L1 расстояние |
+
+## Квантование
+
+```nim
+import barabadb/vector/quant
+
+let scalar = scalarQuantize(data, bits = 8)
+let pq = productQuantize(data, subVectors = 8, bits = 8)
+```
+
+## SIMD ускорение
+
+```nim
+import barabadb/vector/simd
+
+let dist = simdCosineDistance(vec1, vec2)
+```