zg 运营中

zg（zvec-grep） 是 Zvec AI 开源的本地优先统一检索基础工具，面向开发者与 AI Agent。工具将 ripgrep 精确匹配、BM25 词法检索与向量语义检索融为一体，解决自然语言意图与代码/文档实际表述之间的词汇鸿沟，实现从模糊探索到精确定位的完整检索链路。zg支持文件扫描、Embedding、索引与检索默认全部在本地设备完成，内置轻量端侧模型，无需 GPU 或外部服务，兼顾隐私与效率。

微信关注回复“开源”，加入AI开源项目交流群
语义检索：按自然语言意图发现代码与文档中的相关内容，无需预先猜准关键词。
BM25 检索：基于词频加权对文本片段进行相关性排序，快速聚焦最匹配的结果。
混合检索：联合语义向量与 BM25 多路召回，通过 RRF 融合去重并统一排序。
ripgrep 精确匹配：对已知符号、函数名、配置键或文本模式进行穷尽式精确验证。
多格式内容提取：自动解析代码符号层级、文档章节结构及数据文件，保留定位元数据。
本地端侧 Embedding：内置 11 种轻量模型，默认设备内运行，无需 GPU 或上传数据。
嵌入式索引存储：基于 Zvec 进程内数据库实现向量与 BM25 索引，无需部署独立服务。
增量索引更新：首次构建后仅处理变更内容，索引可跨查询与 Agent 任务长期复用。
CLI + MCP 双入口：提供命令行供人使用，同时通过 MCP 协议供 Codex、Cursor 等 Agent 调用。
自动 Agent 集成：zg install 一键自动发现本机已安装的 Agent 并完成 MCP 配置。

安装：通过 npm install -g @zvec/zvec-grep 全局安装 zg 工具。
配置：运行 zg install 自动发现本机已安装的 Codex、Cursor 等 Agent 并完成 MCP 集成。
建索引：进入目标仓库目录，执行 zg index 为代码和文档构建本地语义与 BM25 索引。
CLI 检索：在终端通过 zg query --human "你的问题" 用自然语言搜索本地内容。
Agent 检索：在已连接的 Agent 中直接自然语言提问，Agent 自动通过 MCP 调用 zg 完成检索。

统一检索范式：将语义发现、BM25 排序与 ripgrep 精确匹配整合为一条完整检索链路，覆盖从模糊意图到符号验证的全流程。
Agent 原生设计：通过 MCP 协议深度集成主流 Agent，实测可减少 40% 以上工具调用与 Token 消耗。
本地优先隐私：文件扫描、Embedding、索引与检索默认全部在设备内完成，无需上传任何内容。
端侧轻量模型：内置 11 种端侧 Embedding 模型，默认 16M 参数即可运行，无需 GPU 或远程 API。
嵌入式零依赖存储：基于 Zvec 进程内数据库实现向量与 BM25 索引，无需部署和维护独立数据库服务。
增量索引复用：首次构建后仅处理变更内容，同一份索引可供 CLI 与多个 Agent 任务长期共享复用。
结构化内容提取：自动解析代码符号层级、文档章节结构及元数据，让检索结果可定位、可验证。
一键 Agent 集成：zg install 自动发现本机 Codex、Cursor、Claude Code 等并完成 MCP 配置。

GitHub仓库：https://github.com/zvec-ai/zvec-grep

代码库意图探索：开发者或 Agent 用自然语言描述业务现象，zg 语义检索定位到代码中 hydratePreferences 或文档中”账号授权与审批”的相关实现。
故障定位与根因分析：面对报错日志或用户反馈的模糊描述，Agent 通过 zg 语义检索快速发现相关代码路径、配置文件和文档说明，减少多轮搜索和无关文件读取。
跨文件代码理解：在大型代码库中理解某个功能的全链路实现时，用自然语言提问可获取跨模块、跨语言的相关函数、接口定义和调用关系，避免在目录树中手动遍历。
本地知识库问答：将技术文档、研究资料、笔记等 Markdown/文本文件建立索引后，通过自然语言查询快速获取准确答案，附带来源文件与具体章节定位。