AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日
单二进制本地搜索引擎,为 AI Agent 提供全文、向量、混合检索与记忆。
XERJ 是一个用 Rust 编写的本地优先搜索引擎,同时也是一个 MCP 服务器。它用单个二进制索引代码、文档、日志、JSONL/CSV 和 PDF,提供 BM25 全文、向量和混合检索,支持不依赖 grep 的代码搜索、Agent 记忆和 RAG。它提供兼容 Elasticsearch 的 API,Corpus Hub 提供数百个参考记忆语料库。
推荐指数
功能覆盖广、部署简单,适合想给 Agent 加本地检索能力的开发者,但项目较新需关注稳定性。
近 7 天
+375
新增 Star
总 Star 排名
#372
雷达追踪的 3,958 个 AI 仓库中
创建于
2026
2026年6月30日
核心亮点
1单二进制部署
Rust 编译,无需 JVM,安装即用。
2多种检索方式
BM25 全文、向量和混合检索都支持。
3MCP 原生
可直接作为 MCP 服务器接入 AI Agent。
4兼容 ES API
提供 Elasticsearch 兼容接口,迁移成本低。
5多格式索引
覆盖代码、文档、日志、表格和 PDF。
适用场景
代码库检索
例如:让 Agent 在大型仓库中按语义找函数,而不是逐行 grep。
Agent 长期记忆
例如:把对话要点写入本地索引,后续会话通过 /__memory 检索。
本地 RAG 知识库
例如:索引内部文档和 PDF,供问答流程检索原文。
日志与数据查询
例如:索引 JSONL/CSV 日志,做全文和条件检索。
它是怎么工作的
第 1 步
建立索引
用 CLI 指向代码、文档或数据目录,自动完成索引。
第 2 步
选择检索方式
按需使用 BM25、向量或混合检索。
第 3 步
接入 Agent
通过 MCP 协议或兼容 ES 的 API 暴露检索能力。
第 4 步
写入记忆
Agent 通过记忆接口写入和读取长期信息。
快速上手
- 1
安装
从 Release 下载对应平台的二进制。
- 2
建立索引
用 CLI 对目标目录建索引,具体参数见文档。
- 3
启动服务
以 MCP 服务器或 HTTP 服务方式运行。
- 4
接入客户端
在 Claude Code、Cursor 等工具中配置 MCP。
适合谁
- 想给 AI Agent 加本地检索的开发者
- 需要代码搜索替代 grep 的团队
- 构建本地 RAG 或知识库的工程师
- 偏好单二进制、低运维成本部署的人
不太适合
- 需要成熟商业级搜索集群的团队
- 不愿使用命令行工具的用户
成熟度
- 活跃度近期仍有提交,版本迭代到 rc.101。
- 文档有独立文档站、llms.txt 和多语言 README。
- 社区近 2 万 star、1400 多 fork,有 Discord 和 Discussions。
- 上手难度单二进制安装,但检索配置仍需读文档。
同类项目怎么选
- Meilisearch偏全文搜索服务,不主打 MCP 和 Agent 记忆。
- Qdrant专注向量数据库,全文与代码检索能力较弱。
- Elasticsearch功能全但依赖 JVM、部署重,XERJ 是单二进制轻量替代。
使用前注意
- · 项目处于 rc 阶段,接口和行为可能变化。
- · 默认嵌入器为词法、离线;神经嵌入需额外下载约 90 MB。
- · README 中的性能对比数据来自项目自测,需自行验证。
- · 采用 Apache-2.0 许可,商用前确认合规。
