Fidx – 本地语义搜索，单个SQLite文件，查询时不需LLM

Fidx 是一个全新的本地语义搜索引擎，旨在为本地文件和代理提供快速、私密的搜索体验。它的核心设计理念是：在查询路径中避免使用任何大型语言模型（LLM），从而在保持高召回率的同时，实现毫秒级的响应速度。

Fidx 采用混合检索策略，将 BM25 全文搜索（基于 FTS5）与 768 维向量搜索（通过 ONNX 嵌入）相结合，并使用倒数秩融合（RRF）对结果进行排序。这种设计使其既能精确匹配确切的名称和标识符，也能理解语义查询，如"那篇讨论索引项目的文档"。

所有数据——包括文档、BM25 索引和向量嵌入——都存储在一个单一的 SQLite 数据库文件中。这意味着你可以轻松地复制、备份或删除整个索引。Fidx 还支持集合（collection）功能，允许你将不同来源的文件分组，并针对特定集合进行搜索。

安装方面，Fidx 需要 Python 3.11 或 3.12，并支持 sqlite3 加载扩展和 FTS5。推荐使用 uv 安装，首次索引时会自动下载嵌入模型（之后可完全离线使用）。目前支持 Linux x86_64、macOS arm64 和 Windows x86_64 平台。

Fidx 的使用非常直观：通过 CLI 注册目录、建立索引，然后使用 fidx search 进行搜索。它还提供了一个守护进程模式，可以保持模型和索引的热状态，使搜索延迟进一步降低到毫秒级。对于代理和 RAG 工具，Fidx 提供 JSON 输出和文档获取命令，方便集成。

在基准测试中，Fidx 与 QMD 进行了对比。在四个语料库（docs-small、docs、chat、code）上，Fidx 在查询延迟上比 QMD 的 LLM 混合模式快 300–1000 倍（例如 18–49 ms vs 18–36 秒），同时在 purity 指标（noise@10 和 clean@10）上全面领先。在已知项查询中，Fidx 在 docs 和 code 语料库上的召回率（R@10）也优于 QMD。

需要注意的是，Fidx 的纯向量模式在语义查询（即查询与目标文档几乎没有词汇重叠）上表现较好，而混合模式在某些情况下会略低于纯向量模式。开发团队表示，查询自适应加权是未来的改进方向。此外，对于 92k 代码文件的语义搜索，由于文本嵌入器的限制，效果有限，Fidx 在代码搜索上的优势在于词汇匹配。

总体而言，Fidx 提供了一个轻量级、高性能的本地搜索解决方案，特别适合需要快速、私有且无需 LLM 的场景。无论是个人笔记、代码库还是代理记忆，Fidx 都能提供出色的搜索体验。