AI 资源库 · 已整理 9 项
查看与semantic-search相关的 AI 资讯、工具、Skill、工作流和开源项目。
makoy-daniot2001/agent-session-mirror · Best AI Coding Agent Observability Tool 2026 - Self-Bench & Semantic Search
该项目是面向 AI 编程代理的会话观测与分析层，用于记录代理的搜索会话与检索路径，并基于历史数据对检索环节进行自评测：它结合 BM25 关键词检索与语义检索，做混合召回，再用 cross-encoder 重排结果，并提供响应式仪表盘展示检索指标。项目还支持调用 OpenAI、Claude 兼容的 API 为检索流程生成查询变体，并做压力评测。README 说明它只优化检索相关性，不承担代码安全审计职责；本卡片未实际安装或验证该项目。
wentzeld/docvault · Self-hosted document knowledge base for AI agents and humans — agents write PRDs, research, and design docs; humans review, comment, and approve. Fastify + PostgreSQL/pgvector + a Python embedding worker, with hybrid semantic + keyword search.
DocVault 是一个自托管的文档知识库，供 AI Agent 写入和检索 PRD、研究报告、架构与设计文档，并供人类审阅、评论和审批。项目采用 Fastify API、PostgreSQL + pgvector、Python 嵌入 worker（nomic-embed-text-v1.5）与 React UI，支持混合语义与关键词搜索、基于 token 的 Agent 接入与 webhook 通知，可通过 Docker 或 Ubuntu 安装脚本部署。
ARahim3/DigUp · Search your Mac by what's in your files: photos, PDFs, recordings, videos and code. On-device, built on Google DeepMind's EmbeddingGemma 2.
DigUp 是一款运行在 Apple Silicon Mac 上的菜单栏应用，利用 Google DeepMind 的 EmbeddingGemma 2 多模态嵌入模型，让用户用自然语言描述来搜索本机文件中的内容。它可以索引图片、PDF、文档、音频和视频，把一次查询同时匹配到视频中的某一帧、播客的某一段、PDF 的某一页或截图中的文字，并支持超过 100 种语言的跨语言检索；开启代码搜索后还能按功能描述定位代码。索引与检索全部在本地完成，模型仅在首次下载和每日检查更新时联网。
AlexsandroSunaga/Inkwell · RAG knowledge platform: FastAPI, OpenAI embeddings, Next.js console, cited chat.
Inkwell 是一个 RAG 知识平台，采用前后端分离架构：后端基于 FastAPI、SQLAlchemy，使用 OpenAI 的 text-embedding-3-small 做嵌入、gpt-4o-mini 做对话，提供文档摄取、检索与聊天 REST API；前端为 Next.js + React + Tailwind 控制台，包含营销页、概览仪表盘、知识库管理、带引用与证据检查器的检索助手、用量与内容缺口分析等功能。README 提供了本地运行、部署到 Vercel 与 Railway/Fly/Render 的方式，并附带不含 OpenAI 密钥也可运行的测试。
zohaamalik/ocds-procura-semantic-nexus · AI-Powered German Procurement Search Engine 2026 - OCDS Tender Matching & Company Profiles
面向德国 OCDS（开放合同数据标准）公共采购数据的开源框架，通过 MCP（模型上下文协议）接口把招标信息标准化后暴露给 AI 助手，支持语义化招标检索、基于嵌入的相似招标匹配，以及从公开投标历史生成公司画像。系统包含数据摄取、归一化、向量嵌入、语义搜索索引和 MCP 接口等模块，并提供 React 界面与多语言支持。可使用 OpenAI 嵌入与 Claude 推理 API 进行语义理解。
iTao-AI/multimodal-knowledge-engine · Local-first, Agent-callable Evidence engine for documents and media, exposed through Python, CLI, and MCP.
MKE 是一个本地优先、可由 Agent 调用的证据引擎，用于对本地文档与媒体进行摄取、检索和问答。它通过 Source、Run、active Publication、Evidence、Consumer 五层模型管理证据生命周期：只有经过 Run 验证并激活为 Publication 的内容才能被 Search 和 Ask 读取，失败或不完整的处理不会进入检索范围。结果以 mke.evidence_ref.v1 形式携带来源指纹、Publication 版本、Run 和页码或时间戳定位信息。项目同时提供 Python、CLI 和 stdio MCP 三种接口，共享同一应用服务契约，支持文本层 PDF、短视频以及有界直读音频的本地摄取与检索，并支持将已验证的 Publication 导出为 Compiled Library。
AutoMaticDelight/leviathan · Closed-universe search over your own PDFs. Answers only from what you've added, cites every claim, refuses when it has nothing.
Leviathan 是一个面向自有 PDF 文档的封闭域检索问答（RAG）应用：它只依据已导入的文档作答，为每条论断给出出处，并在没有相关内容时明确拒绝回答。流程为 PDF 抽取文本、切分重叠片段、向量嵌入、基于 pgvector 的相似度检索与阈值过滤，最后由模型生成答案并通过第二个更强调核查的模型逐条校验论断是否有证据支撑；还提供评分日志与 /rules 页面展示回答与拒答的最佳匹配分数直方图，用于调整相似度阈值。项目自述为刻意未完成的端到端管线，代码中标记了 TODO(you) 的待改进点。
NamTV2712/Enterprise-Document-QA- · FilingScope — evidence-grounded SEC filing research with hybrid RAG, durable Agents, FastAPI, Qdrant, React and Groq.
FilingScope 是一个面向 SEC 10-K 财报文件的研究系统，提供 Quick Research 与 Deep Research 两种模式：前者流式输出带引用的答案，后者由单个有界 AI Agent 以持久化进度、证据、结果与取消机制完成研究目标。其混合 RAG 管线组合 BM25、Qdrant 语义向量检索、RRF 融合、交叉编码器重排与循证生成，技术栈包括 Python、FastAPI/SSE、React/TypeScript、SQLite、Docker 与 Groq。README 给出了受控开发基准、性能记录、校验门禁与已知局限，并声明证据可检视但正确性不作保证。
retospect/precis-mcp · MCP server giving LLM agents a seven-verb API over papers, documents, code, state, patents, and cached web/Wolfram/YouTube tool calls
precis-mcp 是一个 Model Context Protocol（MCP）服务器，面向 7B 级别的语言模型 Agent，用八个动词（get/search/put/edit/delete/tag/link/more）加一个 kind= 参数，在论文、专利、文档、代码、个人状态与缓存工具调用等三类内容上提供统一接口。内容存储在 PostgreSQL 与 pgvector 中，支持混合词法检索与语义检索，并提供 Web 界面。工具种类可按可选扩展与环境变量启用或关闭，可选种类缺失时自动从工具面上消失。