XERJ：面向 AI Agent 的本地搜索引擎

项目简介

XERJ 是一个面向 AI Agent 的本地优先搜索引擎和 MCP Server。它以单个 Rust 二进制文件的形式运行，可以把代码、文档、规格说明、日志、JSONL/CSV、PDF、SQLite 等数据自动索引，提供 BM25 全文检索、向量检索和混合检索，并对外暴露兼容 Elasticsearch 的 API。Claude Code、Cursor 等任何 MCP 客户端都可以直接接入。

它的核心场景是「参考式编程」（reference coding）：让 Agent 先把与当前任务最接近的开源仓库克隆并索引，检索出别人如何解决同类问题，再动手写代码，而不是靠 grep 把整个文件读进上下文。README 中给出的实测数据（8 个任务、4 种语言、每种 16 次运行、真实 claude -p token 计数）为：纯凭记忆输出 260,916 token、解决 11/16；grep 驱动输出 26,477 token、解决 16/16；使用 XERJ 输出 9,982 token、解决 16/16。

主要功能

• 一键索引任意目录：xerj autoindex <folder> 会嗅探每个文件的类型，为识别出的每类数据集自动建立索引，无需写 schema 或配置流水线。
• 代码感知：通过 tree-sitter 提取符号和行号，而不是把代码当作纯文本。
• 多种检索方式：BM25 全文、向量和混合检索，并支持 xerj_code_search 等 MCP 工具。
• 代码定位：xerj def 提供类似 go-to-definition 的能力，返回 file:line 和函数签名。
• 批量查询：xerj batch-search --input queries.json 或 MCP 的 xerj_batch_search，返回有序结果、引用和逐项错误。
• Agent 长期记忆：/_memory/{namespace} 命名空间用于存放 Agent 学到的东西，下次会话可按语义召回。
• 数据地图：xerj autoindex map --html xerj-map.html --redact-paths 生成可离线分享的报告，含数据集数量、符号名、跳过的文件和建议查询。
• 效果统计：xerj gain 统计它为你节省的实际开销。

可以索引的数据包括代码仓库、日志与故障分析、安全审计目标树、文档与 RAG 语料等。

安装与使用

Linux 等平台：

curl -fsSL https://xerj.org/get | sh

Windows PowerShell：

irm https://xerj.org/get.ps1 | iex

启动并接入：

xerj --insecure --data-dir ~/xerj-data &
xerj init                                        # 把 XERJ 接入 Claude Code/Cursor（MCP + skill）
xerj autoindex ~/my-project
xerj search "how do we rotate the WAL segment"   # 返回排序后的段落和 file:line

也可以让 Agent 按 https://xerj.org/llms.txt 的步骤自行安装、启动服务和索引项目。更多可复用的用法见 https://xerj.org/docs/recipes/。

注意事项

• --insecure 会关闭 TLS 和 API Key 认证，任何能访问该端口的调用方都等同于超级用户，可读写删除所有索引。它只适合单用户开发机：新节点默认只绑定 127.0.0.1，在其它网卡上明文绑定会拒绝启动，除非显式允许。完整模型见 docs/SECURITY_MODEL.md。
• 不要把数据目录放在随后会被 autoindex 的目录里面：data/ 不在内置忽略列表中，否则节点会索引自己的存储。
• 启动时会打印 Data dir、Data source 和 Data status；换用新的数据目录可能让旧节点的索引或账户看起来「消失」，需要改回原来的 --data-dir 或 --config，XERJ 不会自动发现或迁移其它数据目录。
• 检索带来的收益受模型记忆程度影响：在私有、内部、冷门或训练截止后的代码上效果最好，对模型已经熟悉的流行开源库可能无益甚至有害。
• 项目以 Apache-2.0 许可发布。

---

本作品整理自 GitHub 开源项目 xerj-org/xerj，原作者 @xerj-org，许可证 Apache-2.0。中文介绍由 AI 根据项目 README 整理，以原仓库为准。