zg 運営中

zg（zvec-grep）は、Zvec AIがオープンソースで提供するローカル優先の統合検索基盤ツールで、開発者とAI Agent向けに設計されています。ripgrepの完全一致、BM25字句検索、ベクトル意味検索を一体化し、自然言語の意図とコード／ドキュメントの実際の表現の間にある語彙のギャップを解消します。曖昧な探索から正確な特定まで、完全な検索フローを実現します。zgはファイルスキャン、Embedding、インデックス作成、検索をすべてデフォルトでローカルデバイス上で実行します。軽量なエッジモデルを内蔵しているため、GPUや外部サービスは不要で、プライバシーと効率を両立できます。

WeChatでフォローし、「开源」と返信してAIオープンソースプロジェクト交流グループに参加
意味検索：自然言語の意図に基づいてコードやドキュメント内の関連内容を発見でき、キーワードをあらかじめ正確に推測する必要がありません。
BM25検索：単語の出現頻度に基づいてテキスト断片を関連度順に並べ、最も一致する結果へ素早く絞り込めます。
ハイブリッド検索：意味ベクトルとBM25による複数経路の検索結果を組み合わせ、RRFで統合・重複排除し、統一的にランキングします。
ripgrep完全一致：既知のシンボル、関数名、設定キー、テキストパターンを徹底的かつ正確に検証できます。
多形式コンテンツ抽出：コードのシンボル階層、ドキュメントの章構造、データファイルを自動解析し、位置特定用のメタデータを保持します。
ローカルエッジEmbedding：軽量モデルを11種類内蔵し、デフォルトでデバイス内で実行します。GPUもデータのアップロードも不要です。
組み込みインデックスストレージ：Zvecのプロセス内データベースによりベクトルとBM25のインデックスを実現し、独立したサービスの構築は不要です。
インデックスの増分更新：初回構築後は変更された内容のみを処理し、インデックスを複数の検索やAgentタスクで長期的に再利用できます。
CLI + MCPの2つの入口：人が使えるコマンドラインを提供すると同時に、MCPプロトコルを通じてCodex、CursorなどのAgentからも利用できます。
Agent自動連携：zg installを実行するだけで、ローカルにインストール済みのAgentを自動検出し、MCP設定を完了します。

インストール：npm install -g @zvec/zvec-grepを実行してzgツールをグローバルインストールします。
設定：zg installを実行すると、ローカルにインストール済みのCodex、CursorなどのAgentを自動検出し、MCP連携を完了します。
インデックス作成：対象リポジトリのディレクトリに移動し、zg indexを実行してコードとドキュメントのローカル意味インデックスおよびBM25インデックスを作成します。
CLI検索：ターミナルでzg query --human "あなたの質問"を実行し、自然言語でローカルコンテンツを検索します。
Agent検索：接続済みのAgentに自然言語で直接質問すると、AgentがMCP経由でzgを自動的に呼び出して検索します。

統合検索パラダイム：意味発見、BM25ランキング、ripgrep完全一致を1つの完全な検索フローに統合し、曖昧な意図からシンボル検証までの全工程をカバーします。
Agentネイティブ設計：MCPプロトコルを通じて主要なAgentと深く統合でき、実測でツール呼び出しとToken消費を40%以上削減できます。
ローカル優先のプライバシー：ファイルスキャン、Embedding、インデックス作成、検索をすべてデフォルトでデバイス内で実行し、内容のアップロードは一切不要です。
軽量なエッジモデル：エッジ向けEmbeddingモデルを11種類内蔵し、デフォルトでは16Mパラメータで実行できます。GPUやリモートAPIは不要です。
依存関係不要の組み込みストレージ：Zvecのプロセス内データベースによりベクトルとBM25のインデックスを実現し、独立したデータベースサービスの構築や保守は不要です。
インデックスの増分再利用：初回構築後は変更された内容のみを処理し、同じインデックスをCLIと複数のAgentタスクで長期的に共有・再利用できます。
構造化コンテンツ抽出：コードのシンボル階層、ドキュメントの章構造、メタデータを自動解析し、検索結果を特定・検証可能にします。
Agentとのワンクリック連携：zg installがローカルのCodex、Cursor、Claude Codeなどを自動検出し、MCP設定を完了します。

GitHubリポジトリ：https://github.com/zvec-ai/zvec-grep

コードベースの意図探索：開発者やAgentが業務上の現象を自然言語で説明すると、zgの意味検索により、コード内のhydratePreferencesやドキュメント内の「アカウント認証と承認」に関する実装を特定できます。
障害特定と根本原因分析：エラーログやユーザーフィードバックが曖昧な場合でも、Agentはzgの意味検索を通じて関連するコードパス、設定ファイル、ドキュメントの説明を素早く発見し、複数回の検索や無関係なファイルの読み取りを削減できます。
ファイル横断のコード理解：大規模なコードベースで特定機能の一連の実装を理解する際、自然言語で質問するだけで、モジュールや言語をまたぐ関連関数、インターフェース定義、呼び出し関係を取得でき、ディレクトリツリーを手作業でたどる必要がありません。
ローカルナレッジベースへの質問応答：技術ドキュメント、研究資料、メモなどのMarkdown／テキストファイルをインデックス化すると、自然言語のクエリで正確な回答を素早く取得できます。出典ファイルと具体的な章もあわせて特定できます。