项目2026-11-15 · 智涌AI

XERJ 是什么:给编程 Agent 配一台本地搜索引擎

XERJ 头图:右侧终端依次执行启动本地节点、autoindex 建索引、xerj init 写入 MCP 配置与两个 Skill、xerj search 返回文件行号,左下标注 19,091 GitHub 星、输出 token 比 grep 少 2.7 倍、rc.101 提供 23 个 MCP 工具

XERJ 是一个用 Rust 写的本地搜索引擎,自带 MCP 服务器。一条命令把项目目录建成索引,编程 Agent 查代码时拿到的是带 file:line 的片段,不用整份文件往上下文里塞。引擎源码 Apache-2.0,GitHub 19,091 星。11 月 15 日我们对照 README、发布页和官方 llms.txt 整理了装法、接入方式,以及几处装之前该知道的设置。

它是什么

Agent 在陌生代码库里找东西,常见做法是 grep 一圈再整份读文件,大仓库里一次能吞掉几十万 token。XERJ 把这一步换成查询:先给目录建 BM25 全文索引(可选向量、混合检索),Agent 通过 MCP 或命令行搜,结果只返回相关段落。

仓库github.com/xerj-org/xerj
作者xerj-org
许可证引擎源码 Apache-2.0;rc.101 起官方发布的二进制里含闭源的 XERJ Query-1 组件(默认不启用,见下文)
热度GitHub 19,091 星(GitHub API,2026-11-15 15:15 北京时间)
运行要求Linux / macOS / Windows,x86-64 与 arm64 预编译;单个静态二进制,不需要 JVM;Nix 可从源码构建
最新版本v1.0.0-rc.101(安装脚本默认,2026-11-06 05:20 北京时间发布);rc.102 目前只有 Linux 包(2026-11-07 15:25)

解决什么问题

README 里放了一组对照实验:8 个任务、4 种语言、每组跑 16 次,用 claude -p 记的真实 token 数。

做法输出 token花费解出
只靠模型记忆260,916$11.1811/16
grep 驱动的 Agent26,477$3.2716/16
XERJ9,982$1.5816/16

官方说的主要用法叫 reference coding:Agent 动手前,先把和任务最接近的开源仓库克隆下来建索引,查别人怎么解决同一个问题,再写自己的代码。适用范围官方也写了:私有代码、冷门库、模型训练截止之后的新代码上省得最多;模型早就熟悉的热门公共库,效果持平甚至更差。

官方自己写明:收益在私有、冷门、训练截止后的新代码上,热门公共库用它可能反而更差。

除了代码,autoindex 还认 CSV、JSONL、日志、PDF、DOCX、XLSX、PPTX、SQLite、邮件导出等格式,每个数据集自动建一个索引。对外是 Elasticsearch 兼容的 API,现成的 ES 客户端能直接连。

怎么用

安装(macOS / Linux),二进制放进 ~/.local/bin,脚本不改 PATH,新开的终端要自己加:

curl -fsSL https://xerj.org/get | sh
export PATH="$HOME/.local/bin:$PATH"

Windows 用 PowerShell:irm https://xerj.org/get.ps1 | iex。

起一个本地节点,再给项目建索引、搜:

xerj --insecure --data-dir ~/xerj-data &
xerj autoindex ~/my-project
xerj search "how do we rotate the WAL segment"   # 返回 file:line + 片段
xerj def "euler_to_rotationmatrix"               # 跳到定义:file:line + 签名
xerj gain                                        # 从审计日志统计搜索次数、命中率、延迟

接进编程 Agent,在项目根目录跑 xerj init。按 llms.txt 的说明,它把 MCP 服务器登记进 .mcp.json,写入 xerj 和 xerj-hub 两个 Claude Code Skill,在 AGENTS.md 加一段用法,动过的文件都留 .bak。想在所有项目里都能用,Claude Code 可以注册到用户级:

claude mcp add --scope user xerj -- "$(command -v xerj)" mcp

Cursor、Claude Desktop 这类读 JSON 配置的客户端,加这一段(路径换成你机器上的绝对路径):

{
  "mcpServers": {
    "xerj": {
      "command": "/home/you/.local/bin/xerj",
      "args": ["mcp"],
      "env": { "XERJ_URL": "http://localhost:9200", "XERJ_DISABLE_FEEDBACK": "true" }
    }
  }
}

xerj mcp 只是 stdio 代理,本身不启动节点,上面那条 xerj --insecure 要先跑着。rc.101 提供 23 个工具,常用的是 xerj_search(关键词搜索)、xerj_def(找定义)、xerj_batch_search(批量查)和 xerj_memory_store / xerj_memory_recall(跨会话记忆)。README 列了 26 个能接的客户端,标为已测的有 Claude Code、OpenCode、Cline、Kimi Code CLI、Antigravity 等,Cursor、Codex、Gemini CLI 标的是未验证。

MCP 的概念和配置位置可以先看 MCP 入门教程。

装之前看这几条

适合谁,不适合谁

对比项XERJCodebase Memory MCPContext7
查的是什么本地任意目录:代码、文档、日志、表格本仓库的调用关系图公开库的最新文档
运行位置本机节点本机云端服务
适合私有代码、冷门库、要参考别的开源实现理清自己仓库的调用链热门框架的版本差异

适合:在大仓库或私有代码上用 Claude Code、OpenCode 的人,常让 Agent 参考别的开源项目实现的人,想把日志、PDF、表格也交给 Agent 查的人。不适合:项目只有几十个文件,grep 已经够快;或者公司要求全部组件必须是开源许可,那就只能走源码构建。相关项目见 Codebase Memory MCP 和 Context7。

最后

手上有一个 Agent 老是读错文件的大仓库,就照上面跑一遍 xerj autoindex 和 xerj init,记得先把 XERJ_DISABLE_FEEDBACK=true 设上,过几天用 xerj gain 看它到底被调用了多少次。

关注公众号「智涌AI速递」

每天的 AI 快讯、实用教程和 AI项目实测,也会同步发到微信公众号。在微信里搜索「智涌AI速递」就能关注;不用微信的话,可以用 RSS 订阅本站。