Fidx – 本地語義搜索，單個SQLite文件，查詢時不需LLM

Fidx 是一個全新的本地語義搜索引擎，旨在為本地文件和代理提供快速、私密的搜索體驗。它的核心設計理念是：在查詢路徑中避免使用任何大型語言模型（LLM），從而在保持高召回率的同時，實現毫秒級的響應速度。

Fidx 採用混合檢索策略，將 BM25 全文搜索（基於 FTS5）與 768 維向量搜索（通過 ONNX 嵌入）相結合，並使用倒數秩融合（RRF）對結果進行排序。這種設計使其既能精確匹配確切的名稱和標識符，也能理解語義查詢，如"那篇討論索引項目的文檔"。

所有數據——包括文檔、BM25 索引和向量嵌入——都存儲在一個單一的 SQLite 數據庫文件中。這意味着你可以輕鬆地複製、備份或刪除整個索引。Fidx 還支持集合（collection）功能，允許你將不同來源的文件分組，並針對特定集合進行搜索。

安裝方面，Fidx 需要 Python 3.11 或 3.12，並支持 sqlite3 加載擴展和 FTS5。推薦使用 uv 安裝，首次索引時會自動下載嵌入模型（之後可完全離線使用）。目前支持 Linux x86_64、macOS arm64 和 Windows x86_64 平台。

Fidx 的使用非常直觀：通過 CLI 註冊目錄、建立索引，然後使用 fidx search 進行搜索。它還提供了一個守護進程模式，可以保持模型和索引的熱狀態，使搜索延遲進一步降低到毫秒級。對於代理和 RAG 工具，Fidx 提供 JSON 輸出和文檔獲取命令，方便集成。

在基準測試中，Fidx 與 QMD 進行了對比。在四個語料庫（docs-small、docs、chat、code）上，Fidx 在查詢延遲上比 QMD 的 LLM 混合模式快 300–1000 倍（例如 18–49 ms vs 18–36 秒），同時在 purity 指標（noise@10 和 clean@10）上全面領先。在已知項查詢中，Fidx 在 docs 和 code 語料庫上的召回率（R@10）也優於 QMD。

需要注意的是，Fidx 的純向量模式在語義查詢（即查詢與目標文檔幾乎沒有詞彙重疊）上表現較好，而混合模式在某些情況下會略低於純向量模式。開發團隊表示，查詢自適應加權是未來的改進方向。此外，對於 92k 代碼文件的語義搜索，由於文本嵌入器的限制，效果有限，Fidx 在代碼搜索上的優勢在於詞彙匹配。

總體而言，Fidx 提供了一個輕量級、高性能的本地搜索解決方案，特別適合需要快速、私有且無需 LLM 的場景。無論是個人筆記、代碼庫還是代理記憶，Fidx 都能提供出色的搜索體驗。