人工智能搜索引擎本地部署后端MCP 服务【免费下载链接】xerjXERJ is the new way for AI to search data. Its autoindex capability activates agents to know your data without the token waste of grep and sed. One command indexes code, docs, logs and PDFs for search, RAG, security audits and agent memory, using 40x fewer tokens than grep. Elasticsearch compatible, so existing clients just work.项目地址https://gitcode.com/GitHub_Trending/xe/xerj点击查看免费下载2026-10-06 的一次 reference coding 实测暴露了xerj code --mode hybrid在混合 mapping 语料上的一个隐蔽缺陷bm25模式能返回 20 条命中而hybrid模式只返回 1 条输出中的mode备注却声称 BM25 腿覆盖了全部索引。本文基于该现场报告field report完整复现问题路径并结合当前仓库源码讲清混合检索的管线结构、缺陷根因与 PR #1177 修复方案的实现原理。读完后你可以理解 XERJ 的服务端 RRF 融合契约、混合语料mixed-mapping corpus上的降级逻辑以及honest miss这类诚实性设计是如何落到退出码和输出备注上的。现场环境一次 reference coding 的完整闭环报告使用的场景是 XERJ 的 reference coding 工作流reference-coding toolkit克隆已含正确实现的仓库、用 XERJ 建索引、写代码前先检索参考段落。整个循环自 issue #977 起全部内建于xerj二进制核心命令只有三条xerj corpus add xerj-storage https://github.com/spacejam/sled … # 克隆参考仓库一次性 xerj corpus index xerj-storage # 走 xerj autoindex 建索引 xerj code xerj-storage how does sled fsync its WAL segment on rotation? # 写前检索报告中的复现目标是一个混合映射语料一个 30 个文件的 Python git 仓库外加其corpus.json在干净的--data-dir下建出61 条记录、2 个索引——其中一个索引的body字段映射为semantic_text支持向量检索另一个只是普通text索引。这个同语料、两种 mapping 混排的形态正是触发 #1146 的必要条件。实测数字来自报告操作结果xerj code tinya retry connection timeout handler -k 20 --jsonbm2520 条命中同一查询hybrid修复前用 curl 重放旧请求1 条命中同一查询hybrid修复后20 条命中xerj corpus index建索引31 个文件耗时 29.5scargo build --release -p xerj-server7 分 08 秒报告特别记录了一个操作层面的坑当时机器上安装的二进制是 rc.74根本没有xerj code子命令unknown argument: code因此无法直接拿到同版本修复前的对照只能改用 curl 重放旧请求来验证before。这说明该能力是随版本引入的阅读本文结论时以当前仓库源码为准。corpus add/corpus index每完成一步都会打印下一条命令xerj-done给出明确的结束行整个驱动过程很顺滑。报告的结论很直接这个 bug 属于诚实性缺陷——hybrid 静默地只返回 1 条命中而 bm25 返回 20 条如果当时没有做 bm25 对照这个结果是很容易被直接信任的。--mode hybrid的完整管线从台账到融合要理解为什么会出现1 条 vs 20 条先看xerj code在 hybrid 模式下实际做了什么。核心管线是纯函数run_code_query按顺序执行台账读取 → 30 天陈旧度检查 → 节点存活索引计数 → mapping 发现 → 查询 → 段落选择 → 许可证标注 → 渲染。与本文直接相关的分支如下。1. 先读 mapping发现向量能力集。查询前会先GET /{prefix}*/_mapping由semantic_capable挑出body字段映射为semantic_text的索引。这一步不是优化而是硬性约束一个semantic查询打到body为普通text的索引上返回的不是少几条结果而是让整个搜索以 HTTP 400 失败把通配符里的其他索引全部拖下水。因此向量腿只能瞄准能力集capable set。2. BM25 size-1 预检决定诚实性。发出融合请求前先发一条 size 为 1 的 BM25 预检。若词法腿找不到任何匹配直接报告 miss退出码 1而不是继续跑向量腿——因为 lexical embedder 对任意输入都会返回自信的最近邻向量近邻不能作为匹配的证据。这是该工具宁可报无不可乱报的核心设计。3. 发出原生顶层hybrid查询融合在服务端完成。请求体由hybrid_body构造形状就是一个原生hybrid查询{ size: 20, query: { hybrid: { queries: [ { query: { multi_match: { query: …, fields: [body, defs, title] } } }, { query: { semantic: { field: body, query: …, k: 20 } } } ], fusion: { method: rrf, k: 60 } } } }客户端不做任何 rank 合并。常量RRF_K 60定义在 xccode/mod.rs注释明确写着它是 Cormack, Clarke BuettcherSIGIR 2009论文的原值在这里并没有调过参。融合本身发生在引擎侧run_hybrid把每条子查询当作独立搜索并发执行各子列表按max(50, size from)深度取回再由fuse_rrf按weight_i / (k rank_i)累加融合分输出统一的全局排序融合分降序 → seq_no 升序 → _id 升序#940。4. 每次 hybrid 运行都以一条arms-ran 备注开场。形如[hybrid RRF(k60) — BM25 over 2 index(es), vector over 1 of 2]。没有可运行的向量臂时答案会明确标注BM25 only — …绝不假装是 hybrid。独立--mode semantic下 mapping/传输失败则直接退出码 2没有 BM25 结果可回退。缺陷根因能力集瞄准丢掉了词法索引的 BM25 腿回到 #1146。管线第 1 步的能力集瞄准本身是对的但修复前存在一个漏洞当能力集小于整个语料时融合请求只发往能力集capable.join(,)其余词法索引被整体排除在请求之外——它们的 BM25 命中根本没有任何机会进入结果。于是修复前hybrid 只返回能力集索引上的命中本例 1 条而 bm25 模式对全通配符查询能拿到 20 条更糟的是mode备注仍打印BM25 over 2 index(es)声称 BM25 腿覆盖了两个索引——备注与实际发出的请求不一致这正是诚实性缺陷的准确描述。单元测试把这条缺陷路径钉死为回归测试hybrid_keeps_lexical_only_indices_in_the_bm25_leg两个索引一个semantic_text、一个text断言修复前hybrid 只回 1 条命中而--mode bm25回 20 条且备注声称覆盖 2 个索引的行为必须被消除。修复方案第二个单腿 hybrid 请求 按_score合并修复的关键洞察来自引擎的融合语义引擎是按索引做 per-index RRF 的索引之间则按_score合并。因此一个只带 BM25 腿的hybrid请求其命中的_score与完整双腿请求的 RRF 分数处在同一个1/(krank)量纲上——两个响应按分数合并就是引擎自己的跨索引合并步骤而不是第二次融合。实现分三步xccode/mod.rs第二个请求仍是原生hybrid只是只剩 BM25 腿。hybrid_bm25_leg_body复用同一个hybrid_request封装、同一份{fusion:{method:rrf,k:60}}发往词法索引集合。测试断言两个请求的fusion字段完全一致、size同为 overfetch 深度#1137的 10×k 过取默认 50。按_score降序合并两个响应。merge_by_score的排序规则与引擎多索引搜索的合并方式完全一致分数降序、稳定排序同分时各响应保持自身 rank 顺序、_index打破跨响应平局结果页不依赖哪个请求先发hits.total取两者之和其余元数据沿用第一份响应。备注如实描述分工。arms-ran 行追加一段说明例如BM25 over 2 index(es), vector over 1 of 2; lexical-only (BM25 leg only, merged by score): xc-kv-b1-001明确点名哪些索引走了仅 BM25 腿、如何合并。修复后报告的复现命令逐字生效hybrid 返回与 bm25 相同的 20 条命中。对照引擎侧实现可以看出这套契约是自洽的run_hybrid里每条子列表独立取深、RRF 在列表内累加、索引间按分数归并客户端的merge_by_score正是把这个索引间归并步骤在跨请求维度上复刻了一遍量纲由引擎的 per-index 打分管测试数据里直接出现1.0/61.0、2.0/61.0这样的 RRF 分数保证一致。混合模式何时该用实测对照需要强调hybrid 从来不是默认模式--mode bm25才是Mode 默认值。仓库的 SKILL.md 给出了两个语料、12 条人工标注查询的实测rust-text top-1rust-text top-3kv-oss (C) top-1kv-oss (C) top-3combined top-1combined top-3bm253/66/66/66/69/1212/12hybrid5/66/62/64/67/1210/12semantic4/64/62/63/66/127/12top-3 才是工作指标Agent 读的是 k 条段落而不是一条而 bm25 在它上面是满分且两个语料上都不是最差臂同时快约 5 倍没有向量往返、没有 mapping 查找。hybrid 曾在rust-text单语料上因 top-1 占优而被设为默认那是语料特定的结果在 C 语料上向量臂只能触达 407 个索引中的 5 个#173融合等于把一个像样排序和一个看不见 98.8% 材料的排序搅在一起。结论可以概括为当语料的semantic_text覆盖广、且你确实关心 top-1 时再上--mode hybrid并且先测量再信任。可验证的依据与延伸阅读本文所有实现细节均可在当前仓库内复核管线与修复主体xccode/mod.rshybrid 分支、merge_by_score、hybrid_bm25_leg_body#1146 回归测试hybrid_keeps_lexical_only_indices_in_the_bm25_leg能力集发现semantic_capable引擎侧 RRF 融合与全序定义run_hybrid、fuse_rrf原始现场报告与全部实测数字field report退出码契约0 命中 / 1 无匹配 / 2 用法或传输 / 3 语料未加载与 MEATL 输出格式tools/xerj-code/README.md、SKILL.md。这个案例的价值不在 hybrid 检索本身而在它示范了一种可复用的工程模式当请求必须瞄准能力子集与备注必须描述全部工作冲突时与其放宽瞄准引入 400 风险不如补发同量纲的第二腿请求、按引擎自己的合并语义归并结果并把分工写进输出——让每一个声称都有对应的请求记录可查。赞分享人工智能搜索引擎本地部署后端MCP 服务【免费下载链接】xerjXERJ is the new way for AI to search data. Its autoindex capability activates agents to know your data without the token waste of grep and sed. One command indexes code, docs, logs and PDFs for search, RAG, security audits and agent memory, using 40x fewer tokens than grep. Elasticsearch compatible, so existing clients just work.项目地址https://gitcode.com/GitHub_Trending/xe/xerj点击查看免费下载相关推荐修复 XERJ 中 knn 与 query 并置时的静默丢弃825 树重写修复实录修复 XERJ 中 knn 与 query 并置时的静默丢弃 825 树重写修复实录 本篇文章基于 XERJ 仓库中的一份 AI 现场报告 user fee人工智能搜索引擎本地部署后端MCP 服务BabyAI核心功能解析从GoToObj到Synth的25个任务级别详解BabyAI核心功能解析从GoToObj到Synth的25个任务级别详解 BabyAI平台是一个用于训练智能体理解和执行语言命令的测试平台提供了丰富多样的任人工智能强化学习机器学习深度学习NLPPostHog event_dropped_too_old 摄入警告诊断与修复事件因超龄被策略丢弃的静默数据丢失PostHog event_dropped_too_old 摄入警告诊断与修复事件因超龄被策略丢弃的静默数据丢失 本篇指南围绕 PostHog 数据摄入管道的逆向工程MCP 服务AI 技能上一篇如何快速上手CHAMP5分钟搭建四足机器人仿真环境下一篇大麦网自动抢票脚本5 步部署 6 个参数开票瞬间自动下单创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
人工智能搜索引擎本地部署后端MCP 服务【免费下载链接】xerjXERJ is the new way for AI to search data. Its autoindex capability activates agents to know your data without the token waste of grep and sed. One command indexes code, docs, logs and PDFs for search, RAG, security audits and agent memory, using 40x fewer tokens than grep. Elasticsearch compatible, so existing clients just work.项目地址https://gitcode.com/GitHub_Trending/xe/xerj点击查看免费下载2026-10-06 的一次 reference coding 实测暴露了xerj code --mode hybrid在混合 mapping 语料上的一个隐蔽缺陷bm25模式能返回 20 条命中而hybrid模式只返回 1 条输出中的mode备注却声称 BM25 腿覆盖了全部索引。本文基于该现场报告field report完整复现问题路径并结合当前仓库源码讲清混合检索的管线结构、缺陷根因与 PR #1177 修复方案的实现原理。读完后你可以理解 XERJ 的服务端 RRF 融合契约、混合语料mixed-mapping corpus上的降级逻辑以及honest miss这类诚实性设计是如何落到退出码和输出备注上的。现场环境一次 reference coding 的完整闭环报告使用的场景是 XERJ 的 reference coding 工作流reference-coding toolkit克隆已含正确实现的仓库、用 XERJ 建索引、写代码前先检索参考段落。整个循环自 issue #977 起全部内建于xerj二进制核心命令只有三条xerj corpus add xerj-storage https://github.com/spacejam/sled … # 克隆参考仓库一次性 xerj corpus index xerj-storage # 走 xerj autoindex 建索引 xerj code xerj-storage how does sled fsync its WAL segment on rotation? # 写前检索报告中的复现目标是一个混合映射语料一个 30 个文件的 Python git 仓库外加其corpus.json在干净的--data-dir下建出61 条记录、2 个索引——其中一个索引的body字段映射为semantic_text支持向量检索另一个只是普通text索引。这个同语料、两种 mapping 混排的形态正是触发 #1146 的必要条件。实测数字来自报告操作结果xerj code tinya retry connection timeout handler -k 20 --jsonbm2520 条命中同一查询hybrid修复前用 curl 重放旧请求1 条命中同一查询hybrid修复后20 条命中xerj corpus index建索引31 个文件耗时 29.5scargo build --release -p xerj-server7 分 08 秒报告特别记录了一个操作层面的坑当时机器上安装的二进制是 rc.74根本没有xerj code子命令unknown argument: code因此无法直接拿到同版本修复前的对照只能改用 curl 重放旧请求来验证before。这说明该能力是随版本引入的阅读本文结论时以当前仓库源码为准。corpus add/corpus index每完成一步都会打印下一条命令xerj-done给出明确的结束行整个驱动过程很顺滑。报告的结论很直接这个 bug 属于诚实性缺陷——hybrid 静默地只返回 1 条命中而 bm25 返回 20 条如果当时没有做 bm25 对照这个结果是很容易被直接信任的。--mode hybrid的完整管线从台账到融合要理解为什么会出现1 条 vs 20 条先看xerj code在 hybrid 模式下实际做了什么。核心管线是纯函数run_code_query按顺序执行台账读取 → 30 天陈旧度检查 → 节点存活索引计数 → mapping 发现 → 查询 → 段落选择 → 许可证标注 → 渲染。与本文直接相关的分支如下。1. 先读 mapping发现向量能力集。查询前会先GET /{prefix}*/_mapping由semantic_capable挑出body字段映射为semantic_text的索引。这一步不是优化而是硬性约束一个semantic查询打到body为普通text的索引上返回的不是少几条结果而是让整个搜索以 HTTP 400 失败把通配符里的其他索引全部拖下水。因此向量腿只能瞄准能力集capable set。2. BM25 size-1 预检决定诚实性。发出融合请求前先发一条 size 为 1 的 BM25 预检。若词法腿找不到任何匹配直接报告 miss退出码 1而不是继续跑向量腿——因为 lexical embedder 对任意输入都会返回自信的最近邻向量近邻不能作为匹配的证据。这是该工具宁可报无不可乱报的核心设计。3. 发出原生顶层hybrid查询融合在服务端完成。请求体由hybrid_body构造形状就是一个原生hybrid查询{ size: 20, query: { hybrid: { queries: [ { query: { multi_match: { query: …, fields: [body, defs, title] } } }, { query: { semantic: { field: body, query: …, k: 20 } } } ], fusion: { method: rrf, k: 60 } } } }客户端不做任何 rank 合并。常量RRF_K 60定义在 xccode/mod.rs注释明确写着它是 Cormack, Clarke BuettcherSIGIR 2009论文的原值在这里并没有调过参。融合本身发生在引擎侧run_hybrid把每条子查询当作独立搜索并发执行各子列表按max(50, size from)深度取回再由fuse_rrf按weight_i / (k rank_i)累加融合分输出统一的全局排序融合分降序 → seq_no 升序 → _id 升序#940。4. 每次 hybrid 运行都以一条arms-ran 备注开场。形如[hybrid RRF(k60) — BM25 over 2 index(es), vector over 1 of 2]。没有可运行的向量臂时答案会明确标注BM25 only — …绝不假装是 hybrid。独立--mode semantic下 mapping/传输失败则直接退出码 2没有 BM25 结果可回退。缺陷根因能力集瞄准丢掉了词法索引的 BM25 腿回到 #1146。管线第 1 步的能力集瞄准本身是对的但修复前存在一个漏洞当能力集小于整个语料时融合请求只发往能力集capable.join(,)其余词法索引被整体排除在请求之外——它们的 BM25 命中根本没有任何机会进入结果。于是修复前hybrid 只返回能力集索引上的命中本例 1 条而 bm25 模式对全通配符查询能拿到 20 条更糟的是mode备注仍打印BM25 over 2 index(es)声称 BM25 腿覆盖了两个索引——备注与实际发出的请求不一致这正是诚实性缺陷的准确描述。单元测试把这条缺陷路径钉死为回归测试hybrid_keeps_lexical_only_indices_in_the_bm25_leg两个索引一个semantic_text、一个text断言修复前hybrid 只回 1 条命中而--mode bm25回 20 条且备注声称覆盖 2 个索引的行为必须被消除。修复方案第二个单腿 hybrid 请求 按_score合并修复的关键洞察来自引擎的融合语义引擎是按索引做 per-index RRF 的索引之间则按_score合并。因此一个只带 BM25 腿的hybrid请求其命中的_score与完整双腿请求的 RRF 分数处在同一个1/(krank)量纲上——两个响应按分数合并就是引擎自己的跨索引合并步骤而不是第二次融合。实现分三步xccode/mod.rs第二个请求仍是原生hybrid只是只剩 BM25 腿。hybrid_bm25_leg_body复用同一个hybrid_request封装、同一份{fusion:{method:rrf,k:60}}发往词法索引集合。测试断言两个请求的fusion字段完全一致、size同为 overfetch 深度#1137的 10×k 过取默认 50。按_score降序合并两个响应。merge_by_score的排序规则与引擎多索引搜索的合并方式完全一致分数降序、稳定排序同分时各响应保持自身 rank 顺序、_index打破跨响应平局结果页不依赖哪个请求先发hits.total取两者之和其余元数据沿用第一份响应。备注如实描述分工。arms-ran 行追加一段说明例如BM25 over 2 index(es), vector over 1 of 2; lexical-only (BM25 leg only, merged by score): xc-kv-b1-001明确点名哪些索引走了仅 BM25 腿、如何合并。修复后报告的复现命令逐字生效hybrid 返回与 bm25 相同的 20 条命中。对照引擎侧实现可以看出这套契约是自洽的run_hybrid里每条子列表独立取深、RRF 在列表内累加、索引间按分数归并客户端的merge_by_score正是把这个索引间归并步骤在跨请求维度上复刻了一遍量纲由引擎的 per-index 打分管测试数据里直接出现1.0/61.0、2.0/61.0这样的 RRF 分数保证一致。混合模式何时该用实测对照需要强调hybrid 从来不是默认模式--mode bm25才是Mode 默认值。仓库的 SKILL.md 给出了两个语料、12 条人工标注查询的实测rust-text top-1rust-text top-3kv-oss (C) top-1kv-oss (C) top-3combined top-1combined top-3bm253/66/66/66/69/1212/12hybrid5/66/62/64/67/1210/12semantic4/64/62/63/66/127/12top-3 才是工作指标Agent 读的是 k 条段落而不是一条而 bm25 在它上面是满分且两个语料上都不是最差臂同时快约 5 倍没有向量往返、没有 mapping 查找。hybrid 曾在rust-text单语料上因 top-1 占优而被设为默认那是语料特定的结果在 C 语料上向量臂只能触达 407 个索引中的 5 个#173融合等于把一个像样排序和一个看不见 98.8% 材料的排序搅在一起。结论可以概括为当语料的semantic_text覆盖广、且你确实关心 top-1 时再上--mode hybrid并且先测量再信任。可验证的依据与延伸阅读本文所有实现细节均可在当前仓库内复核管线与修复主体xccode/mod.rshybrid 分支、merge_by_score、hybrid_bm25_leg_body#1146 回归测试hybrid_keeps_lexical_only_indices_in_the_bm25_leg能力集发现semantic_capable引擎侧 RRF 融合与全序定义run_hybrid、fuse_rrf原始现场报告与全部实测数字field report退出码契约0 命中 / 1 无匹配 / 2 用法或传输 / 3 语料未加载与 MEATL 输出格式tools/xerj-code/README.md、SKILL.md。这个案例的价值不在 hybrid 检索本身而在它示范了一种可复用的工程模式当请求必须瞄准能力子集与备注必须描述全部工作冲突时与其放宽瞄准引入 400 风险不如补发同量纲的第二腿请求、按引擎自己的合并语义归并结果并把分工写进输出——让每一个声称都有对应的请求记录可查。赞分享人工智能搜索引擎本地部署后端MCP 服务【免费下载链接】xerjXERJ is the new way for AI to search data. Its autoindex capability activates agents to know your data without the token waste of grep and sed. One command indexes code, docs, logs and PDFs for search, RAG, security audits and agent memory, using 40x fewer tokens than grep. Elasticsearch compatible, so existing clients just work.项目地址https://gitcode.com/GitHub_Trending/xe/xerj点击查看免费下载相关推荐修复 XERJ 中 knn 与 query 并置时的静默丢弃825 树重写修复实录修复 XERJ 中 knn 与 query 并置时的静默丢弃 825 树重写修复实录 本篇文章基于 XERJ 仓库中的一份 AI 现场报告 user fee人工智能搜索引擎本地部署后端MCP 服务BabyAI核心功能解析从GoToObj到Synth的25个任务级别详解BabyAI核心功能解析从GoToObj到Synth的25个任务级别详解 BabyAI平台是一个用于训练智能体理解和执行语言命令的测试平台提供了丰富多样的任人工智能强化学习机器学习深度学习NLPPostHog event_dropped_too_old 摄入警告诊断与修复事件因超龄被策略丢弃的静默数据丢失PostHog event_dropped_too_old 摄入警告诊断与修复事件因超龄被策略丢弃的静默数据丢失 本篇指南围绕 PostHog 数据摄入管道的逆向工程MCP 服务AI 技能上一篇如何快速上手CHAMP5分钟搭建四足机器人仿真环境下一篇大麦网自动抢票脚本5 步部署 6 个参数开票瞬间自动下单创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
