Semantic Search Skill

使用 FAISS 向量索引进行 vault 语义搜索。中英文都支持。

触发词

用户说	动作
"语义搜索" / "semantic search"	运行语义搜索
"找相关笔记" / "find related notes"	语义搜索
"What do I know about X?"	语义搜索
"重建索引" / "rebuild index"	重新构建索引

脚本路径

平台	路径
MacBook	{vault}/30_Resources/Technology/AI-LLM/scripts/semantic_search.py
Home PC	{vault}\30_Resources\Technology\AI-LLM\scripts\semantic_search.py

使用方法

MacBook

cd ~/Documents/Main\ Vault/30_Resources/Technology/AI-LLM/scripts
python3 semantic_search.py "查询内容" --top 10
python3 semantic_search.py "query" --context  # 显示内容片段
python3 semantic_search.py --index            # 重建索引

Home PC (Windows)

cd "{vault}\30_Resources\Technology\AI-LLM\scripts"
python semantic_search.py "查询内容" --top 10
python semantic_search.py "query" --context
python semantic_search.py --index

技术架构

组件	技术
Embedding 模型	bge-m3 (1024维, 多语言)
向量存储	FAISS (IndexFlatIP)
Embedding 服务	Ollama (本地优先，SSH 备份)
索引位置	.semantic_index/

索引范围

• 10_Projects/
• 20_Areas/
• 30_Resources/

不索引: 00_Inbox, 40_Archive, 50_Journal, 99_Attachments

索引维护

检查索引状态

python3 semantic_search.py --check

智能更新（>7天才重建）

python3 semantic_search.py --smart

何时需要重建索引

• 大量新增/删除笔记后
• 索引超过 7 天
• 搜索结果明显过期

维护建议

• 自动: 和 vault-index (link-index) 一起维护，每周一次
• 手动: 用户说"重建索引"时执行 --index

注意事项

1. 中英文都支持 - bge-m3 是多语言模型，中英文查询效果都好
2. 索引会自动同步 - 存在 vault 里，通过 Syncthing 同步
3. 需要 Ollama 运行 - ollama serve 或后台服务
4. 超长文件会跳过 - 超过 context 长度的文件
5. 首次索引较慢 - bge-m3 比 nomic 大，约 15-30 分钟
6. 索引过期容忍度高 - 7天内的索引仍可用，不像 link-index 需要实时

依赖

pip install faiss-cpu numpy requests
ollama pull bge-m3

相关

• [[ComfyUI]] - 远程服务器配置
• [[_411 AI tools MOC]]