项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 18609
使用教程
环境要求
- Linux / macOS / Windows(x86-64 或 arm64)
- 能访问 https://xerj.org 下载安装脚本
- 系统有 curl(Linux/macOS)或 PowerShell(Windows)
- 本地 9200 端口可用(XERJ 通过该端口提供 Elasticsearch API)
安装与启动步骤
-
1Linux/macOS 安装
官方一键安装脚本,下载单个静态二进制,无需 JVM 和其他依赖。安装器会打印 xerj 落地路径,必要时自行加入 PATH。
curl -fsSL https://xerj.org/get | sh -
2Windows 安装
Windows 用户改用 PowerShell 安装脚本,效果与 curl 方式一致,安装完成后同样确认 xerj 是否在 PATH 中。
irm https://xerj.org/get.ps1 | iex -
3启动 XERJ 服务
以本地模式后台启动服务,数据写入 ./data 目录。启动后等待 http://localhost:9200 能响应再进行下一步。
xerj --insecure --data-dir ./data & -
4接入编辑器与智能体
一条命令把 XERJ 接入 Claude Code / Cursor(配置 MCP 与 skill),让编码智能体直接调用本地检索能力。
xerj init -
5索引项目目录
自动索引指定文件夹(代码、文档、日志、PDF 等)。README 示例为 ~/my-project,请替换成你自己的项目路径。
xerj autoindex ~/my-project -
6执行搜索验证
用自然语言查询已索引数据,返回带排序的片段和 file:line 定位信息,确认索引与检索链路正常。
xerj search "how do we rotate the WAL segment"
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
--data-dir | 是 | 指定索引和数据的存放目录 | ./data |
--insecure | 否 | 以非安全模式本地运行(README 示例默认使用) | --insecure |
如何确认成功
等待 http://localhost:9200 返回响应,随后 xerj search 能返回带 file:line 的排序结果片段即表示可用。
常见问题
Q:需要安装 JVM 或其它依赖吗?
A:不需要。XERJ 是单个静态二进制,无 JVM 依赖,官方为 Linux、macOS、Windows 的 x86-64 与 arm64 提供预编译版本。
Q:服务默认在哪个端口?
A:默认使用 9200 端口,并对外提供 Elasticsearch 兼容 API,因此现有 Elasticsearch 客户端、仪表盘和工具可直接对接。
Q:完全没有外网的主机怎么用?
A:参考仓库中的 air-gapped 部署文档。默认的词法(lexical)embedder 可离线使用,神经模式则需在首次语义操作前把三个模型文件预先放到本地。
Q:安装后提示找不到 xerj 命令?
A:安装器会打印二进制的落地路径,把它加入系统 PATH(或使用绝对路径调用)即可。
注意事项
- README 中未给出从源码构建的具体命令,如需自行编译请查阅官方文档。
- --insecure 为 README 示例中的本地运行方式,生产环境请自行评估安全配置。
- 首次索引耗时取决于目录大小,建议先用小项目验证流程。
- 可参考官网 https://xerj.org/llms.txt 获取适合交给 AI 智能体执行的安装提示词。
核心亮点
- 自动索引代码、文档、日志和PDF,无需人工配置,显著降低AI搜索的token消耗,比grep节省40倍token
- 兼容Elasticsearch,现有ES客户端和工具链可以直接使用,迁移成本低,生态兼容性好
- 用Rust实现,性能高且内存安全,适合处理大规模数据索引和搜索场景
不足之处
- 项目较新,文档和社区生态尚待完善,实际生产环境案例有限
- 功能聚焦于索引和搜索,对于复杂查询和聚合分析能力可能不如Elasticsearch成熟
适用场景
- AI Agent需要快速检索企业内部知识库或代码库,降低token开销
- 安全审计场景下对日志和文档进行快速全文搜索和关联分析
- 作为轻量级Elasticsearch替代方案,用于中小规模数据检索和RAG应用
替代项目
Elasticsearch、Meilisearch、Qdrant
同类项目推荐
Medical-Graph-RAG
开源
让医疗AI回答有据可查,告别凭空捏造
A Graph RAG System for Evidenced-based Medical Information Retrieval [ACL 2025]
hamuleite
开源
一键获取顶尖高校学术论文与课程资料,高效学习研究。
深度整合全球顶尖学术、金融与教育资源:学术板块汇聚 JSTOR、Taylor & Francis、剑桥大学···
DataMind
开源
一个框架搞定 RAG、图检索、NL2SQL 和记忆
All-in-one intelligent assistant powered by LlamaIndex — RAG, GraphRAG, NL2SQL, Ski···
RustyRAG
开源
用 Rust 打造高性能 RAG API,混合搜索+重排序,准确率94.5%
Production-grade RAG API built in Rust. Hybrid search with HNSW dense vectors and BM···
googlegpt
开源
在 Google 搜索页直接调用 AI 生成摘要和对话,省去切换标签页的麻烦。
AI chat & search summaries in Google Search, powered by the latest LLMs
graphrag-api
开源
把 GraphRAG 变成开箱即用的 API 服务,快速接入知识问答
GraphRAG Server
RAG-using-Llama3-Langchain-and-C···
开源
三步搭起本地知识库问答,让Llama3学会翻书再回答
RAG using Llama3, Langchain and ChromaDB
HilbertRaum
开源
断网也能问 AI,本地维基百科直接答
AI, fully local on your computer.
graph-rag
开源
把文档变知识图谱,让大模型会多跳推理
