zg Đang hoạt động

zg（zvec-grep） là công cụ nền tảng truy xuất hợp nhất ưu tiên cục bộ, do Zvec AI mã nguồn mở phát triển, dành cho nhà phát triển và AI Agent. Công cụ kết hợp khớp chính xác của ripgrep, truy xuất từ vựng BM25 và truy xuất ngữ nghĩa bằng vector, giải quyết khoảng cách từ vựng giữa ý định ngôn ngữ tự nhiên và cách diễn đạt thực tế trong mã nguồn/tài liệu, tạo thành quy trình truy xuất hoàn chỉnh từ khám phá mơ hồ đến định vị chính xác. zg hỗ trợ quét tệp, Embedding, lập chỉ mục và truy xuất, mặc định đều được thực hiện trên thiết bị cục bộ, tích hợp mô hình nhẹ chạy tại thiết bị, không cần GPU hoặc dịch vụ bên ngoài, đồng thời đảm bảo quyền riêng tư và hiệu suất.

Theo dõi WeChat và trả lời “开源” để tham gia nhóm trao đổi dự án mã nguồn mở AI
Truy xuất ngữ nghĩa: Phát hiện nội dung liên quan trong mã nguồn và tài liệu theo ý định ngôn ngữ tự nhiên mà không cần đoán chính xác từ khóa trước.
Truy xuất BM25: Xếp hạng mức độ liên quan của các đoạn văn bản dựa trên trọng số tần suất từ, nhanh chóng tập trung vào những kết quả phù hợp nhất.
Truy xuất kết hợp: Kết hợp truy hồi đa hướng từ vector ngữ nghĩa và BM25, sử dụng RRF để hợp nhất, loại bỏ trùng lặp và xếp hạng thống nhất.
Khớp chính xác bằng ripgrep: Xác minh toàn diện và chính xác các ký hiệu, tên hàm, khóa cấu hình hoặc mẫu văn bản đã biết.
Trích xuất nội dung đa định dạng: Tự động phân tích cấp độ ký hiệu mã nguồn, cấu trúc chương tài liệu và tệp dữ liệu, đồng thời giữ lại siêu dữ liệu định vị.
Embedding cục bộ tại thiết bị: Tích hợp 11 mô hình nhẹ, mặc định chạy trên thiết bị mà không cần GPU hoặc tải dữ liệu lên.
Lưu trữ chỉ mục nhúng: Dựa trên cơ sở dữ liệu trong tiến trình Zvec để triển khai chỉ mục vector và BM25, không cần triển khai dịch vụ độc lập.
Cập nhật chỉ mục tăng dần: Sau lần xây dựng đầu tiên, chỉ xử lý nội dung thay đổi; chỉ mục có thể được tái sử dụng lâu dài giữa các truy vấn và tác vụ Agent.
Hai đầu vào CLI + MCP: Cung cấp dòng lệnh cho người dùng, đồng thời cho phép các Agent như Codex, Cursor gọi thông qua giao thức MCP.
Tích hợp Agent tự động: zg install tự động phát hiện các Agent đã cài đặt trên máy và hoàn tất cấu hình MCP.

Cài đặt: Cài đặt toàn cục công cụ zg bằng npm install -g @zvec/zvec-grep.
Cấu hình: Chạy zg install để tự động phát hiện Codex, Cursor và các Agent khác đã cài đặt trên máy, sau đó hoàn tất tích hợp MCP.
Tạo chỉ mục: Truy cập thư mục kho lưu trữ mục tiêu và thực thi zg index để xây dựng chỉ mục ngữ nghĩa và BM25 cục bộ cho mã nguồn và tài liệu.
Truy xuất qua CLI: Trong terminal, sử dụng zg query --human "Câu hỏi của bạn" để tìm kiếm nội dung cục bộ bằng ngôn ngữ tự nhiên.
Truy xuất qua Agent: Đặt câu hỏi bằng ngôn ngữ tự nhiên trực tiếp trong Agent đã kết nối; Agent sẽ tự động gọi zg thông qua MCP để thực hiện truy xuất.

Mô hình truy xuất thống nhất: Tích hợp khám phá ngữ nghĩa, xếp hạng BM25 và khớp chính xác bằng ripgrep thành một quy trình truy xuất hoàn chỉnh, bao phủ toàn bộ quá trình từ ý định mơ hồ đến xác minh ký hiệu.
Thiết kế gốc cho Agent: Tích hợp sâu với các Agent phổ biến thông qua giao thức MCP; thử nghiệm thực tế cho thấy có thể giảm hơn 40% số lần gọi công cụ và mức tiêu thụ Token.
Quyền riêng tư ưu tiên cục bộ: Quét tệp, Embedding, lập chỉ mục và truy xuất mặc định đều được thực hiện trên thiết bị, không cần tải bất kỳ nội dung nào lên.
Mô hình nhẹ tại thiết bị: Tích hợp 11 mô hình Embedding chạy tại thiết bị; mặc định chỉ cần 16M tham số là có thể hoạt động, không cần GPU hoặc API từ xa.
Lưu trữ nhúng không phụ thuộc: Dựa trên cơ sở dữ liệu trong tiến trình Zvec để triển khai chỉ mục vector và BM25, không cần triển khai hoặc bảo trì dịch vụ cơ sở dữ liệu độc lập.
Tái sử dụng chỉ mục tăng dần: Sau lần xây dựng đầu tiên, chỉ xử lý nội dung thay đổi; cùng một chỉ mục có thể được CLI và nhiều tác vụ Agent chia sẻ, tái sử dụng lâu dài.
Trích xuất nội dung có cấu trúc: Tự động phân tích cấp độ ký hiệu mã nguồn, cấu trúc chương tài liệu và siêu dữ liệu, giúp kết quả truy xuất có thể định vị và xác minh.
Tích hợp Agent bằng một lệnh: zg install tự động phát hiện Codex, Cursor, Claude Code và các Agent khác trên máy, sau đó hoàn tất cấu hình MCP.

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

Khám phá ý định trong kho mã: Nhà phát triển hoặc Agent mô tả hiện tượng nghiệp vụ bằng ngôn ngữ tự nhiên; zg truy xuất ngữ nghĩa để định vị phần triển khai liên quan như hydratePreferences trong mã nguồn hoặc “ủy quyền và phê duyệt tài khoản” trong tài liệu.
Định vị sự cố và phân tích nguyên nhân gốc: Khi gặp nhật ký lỗi hoặc mô tả mơ hồ từ người dùng, Agent sử dụng zg để truy xuất ngữ nghĩa, nhanh chóng phát hiện đường dẫn mã nguồn, tệp cấu hình và phần giải thích trong tài liệu liên quan, giảm số vòng tìm kiếm và việc đọc các tệp không liên quan.
Hiểu mã nguồn xuyên tệp: Khi tìm hiểu toàn bộ quy trình triển khai của một chức năng trong kho mã lớn, đặt câu hỏi bằng ngôn ngữ tự nhiên để nhận các hàm, định nghĩa giao diện và quan hệ gọi liên quan giữa nhiều mô-đun, ngôn ngữ, tránh phải duyệt thủ công cây thư mục.
Hỏi đáp cơ sở tri thức cục bộ: Lập chỉ mục các tệp Markdown/văn bản như tài liệu kỹ thuật, tài liệu nghiên cứu và ghi chú, sau đó truy vấn bằng ngôn ngữ tự nhiên để nhanh chóng nhận được câu trả lời chính xác, kèm tệp nguồn và vị trí chương cụ thể.