zg آپریشن میں

zg（zvec-grep） Zvec AI کا اوپن سورس، مقامی ترجیح والا متحدہ سرچ بنیادی ٹول ہے، جو ڈیولپرز اور AI Agent کے لیے بنایا گیا ہے۔ یہ ٹول ripgrep کی عین مطابقت، BM25 لغوی تلاش اور ویکٹر معنوی تلاش کو یکجا کرتا ہے، جس سے قدرتی زبان کے ارادے اور کوڈ/دستاویزات میں موجود حقیقی اظہار کے درمیان لغوی خلا دور ہوتا ہے اور مبہم دریافت سے عین مقام تک مکمل تلاش کا سلسلہ فراہم ہوتا ہے۔ zg فائل اسکیننگ، Embedding، اشاریہ سازی اور تلاش کو بطور ڈیفالٹ مقامی ڈیوائس پر مکمل کرتا ہے۔ اس میں ہلکا پھلکا آن ڈیوائس ماڈل شامل ہے، GPU یا بیرونی سروس کی ضرورت نہیں، اور رازداری و کارکردگی دونوں برقرار رہتی ہیں۔

WeChat پر فالو کریں اور “开源” کا جواب دے کر AI اوپن سورس پروجیکٹ گروپ میں شامل ہوں
معنوی تلاش: قدرتی زبان کے ارادے کے مطابق کوڈ اور دستاویزات میں متعلقہ مواد دریافت کریں، پہلے سے درست مطلوبہ الفاظ کا اندازہ لگانے کی ضرورت نہیں۔
BM25 تلاش: لفظی تعدد کی بنیاد پر متنی حصوں کی متعلقہ درجہ بندی کریں اور سب سے موزوں نتائج پر تیزی سے توجہ مرکوز کریں۔
مخلوط تلاش: معنوی ویکٹر اور BM25 سے متعدد راستوں پر نتائج حاصل کر کے RRF کے ذریعے تکرار ختم اور یکساں درجہ بندی کریں۔
ripgrep عین مطابقت: معلوم symbols، فنکشن ناموں، configuration keys یا متنی patterns کی جامع اور درست جانچ کریں۔
متعدد فارمیٹس سے مواد اخذ کرنا: کوڈ symbols کی سطح بندی، دستاویزات کے ابواب کی ساخت اور ڈیٹا فائلوں کو خودکار طور پر parse کریں، اور مقام کا metadata محفوظ رکھیں۔
مقامی آن ڈیوائس Embedding: 11 ہلکے ماڈلز شامل ہیں، جو بطور ڈیفالٹ ڈیوائس پر چلتے ہیں؛ GPU یا ڈیٹا اپ لوڈ کرنے کی ضرورت نہیں۔
ایمبیڈڈ اشاریہ ذخیرہ: Zvec کے process-internal database کی بنیاد پر ویکٹر اور BM25 indexes بنائیں، الگ سروس deploy کرنے کی ضرورت نہیں۔
Incremental index update: پہلی تعمیر کے بعد صرف تبدیل شدہ مواد process کریں، اور index کو مختلف queries اور Agent tasks میں طویل عرصے تک دوبارہ استعمال کریں۔
CLI + MCP کے دو داخلی راستے: انسانوں کے لیے command line فراہم کریں، جبکہ MCP protocol کے ذریعے Codex، Cursor اور دیگر Agents کو استعمال کی سہولت دیں۔
خودکار Agent integration: zg install مقامی طور پر نصب Agents کو ایک کلک سے تلاش کرتا ہے اور MCP configuration مکمل کرتا ہے۔

تنصیب: npm install -g @zvec/zvec-grep کے ذریعے zg tool کو عالمی طور پر نصب کریں۔
ترتیب: zg install چلائیں تاکہ مقامی طور پر نصب Codex، Cursor اور دیگر Agents خودکار طور پر دریافت ہوں اور MCP integration مکمل ہو۔
Index بنائیں: مطلوبہ repository directory میں جائیں اور zg index چلائیں تاکہ code اور documentation کے لیے مقامی semantic اور BM25 indexes بن سکیں۔
CLI تلاش: terminal میں zg query --human "آپ کا سوال" کے ذریعے مقامی مواد کو قدرتی زبان میں تلاش کریں۔
Agent تلاش: منسلک Agent میں براہِ راست قدرتی زبان میں سوال کریں؛ Agent MCP کے ذریعے خودکار طور پر zg کو کال کر کے تلاش مکمل کرے گا۔

متحدہ تلاش کا طریقہ: semantic discovery، BM25 ranking اور ripgrep exact matching کو ایک مکمل تلاش کے سلسلے میں یکجا کرتا ہے، جو مبہم ارادے سے symbol verification تک تمام مراحل کا احاطہ کرتا ہے۔
Agent-native design: MCP protocol کے ذریعے معروف Agents کے ساتھ گہری integration، اور عملی تجربات میں tool calls اور Token consumption میں 40% سے زیادہ کمی۔
مقامی ترجیح والی رازداری: file scanning، Embedding، indexing اور searching بطور ڈیفالٹ مکمل طور پر ڈیوائس پر ہوتے ہیں؛ کوئی مواد upload کرنے کی ضرورت نہیں۔
ہلکے آن ڈیوائس ماڈلز: 11 آن ڈیوائس Embedding models شامل ہیں؛ بطور ڈیفالٹ صرف 16M parameters کے ساتھ چلتے ہیں، GPU یا remote API کی ضرورت نہیں۔
ایمبیڈڈ zero-dependency storage: Zvec کے process-internal database کی بنیاد پر vector اور BM25 indexes بناتا ہے، الگ database service deploy یا maintain کرنے کی ضرورت نہیں۔
Incremental index reuse: پہلی تعمیر کے بعد صرف تبدیل شدہ مواد process ہوتا ہے، اور ایک ہی index کو CLI اور متعدد Agent tasks طویل عرصے تک مشترکہ طور پر استعمال کر سکتے ہیں۔
ساختی مواد کا اخراج: code symbols کی سطح بندی، document chapters کی ساخت اور metadata کو خودکار طور پر parse کرتا ہے، تاکہ تلاش کے نتائج کا مقام معلوم اور قابلِ تصدیق ہو۔
ایک کلک سے Agent integration: zg install مقامی Codex، Cursor، Claude Code وغیرہ کو خودکار طور پر دریافت کر کے MCP configuration مکمل کرتا ہے۔

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

Codebase میں ارادے کی تلاش: ڈیولپر یا Agent قدرتی زبان میں کاروباری صورتحال بیان کرتا ہے، اور zg semantic search کے ذریعے کوڈ میں hydratePreferences یا دستاویزات میں ”اکاؤنٹ authorization اور approval“ سے متعلق implementation تلاش کرتا ہے۔
خرابی کی تلاش اور بنیادی وجہ کا تجزیہ: error logs یا صارف کی مبہم feedback کی صورت میں Agent، zg semantic search کے ذریعے متعلقہ code paths، configuration files اور documentation کو تیزی سے دریافت کرتا ہے، جس سے متعدد search rounds اور غیر متعلقہ files پڑھنے کی ضرورت کم ہوتی ہے۔
مختلف فائلوں میں code کی سمجھ: بڑے codebase میں کسی feature کے مکمل implementation flow کو سمجھتے وقت قدرتی زبان میں سوال کر کے مختلف modules اور languages سے متعلق functions، interface definitions اور calling relationships حاصل کریں، اور directory tree میں دستی تلاش سے بچیں۔
مقامی knowledge base سے سوال و جواب: technical documentation، research materials، notes اور دیگر Markdown/text files کا index بنائیں، پھر قدرتی زبان میں query کے ذریعے درست جواب تیزی سے حاصل کریں، جس کے ساتھ source file اور مخصوص chapter کا مقام بھی فراہم ہو۔