你是否遇到过这样的困境？硬盘里堆满PDF论文、Excel报表、日志文件、祖传源码，想要检索某一段文字，系统文件搜索只能匹配文件名，根本搜文件内部内容。想上Elasticsearch？先要部署JVM、编写复杂Mapping，机器负载飙升风扇狂转，部署维护成本极高。

而当下最头疼的是AI Agent编码场景：Agent用grep检索代码，就算匹配到目标行，依旧要读取整个文件塞进上下文，海量Token疯狂消耗，成本居高不下。

XERJ，一款Rust开发、单静态二进制分发的本地AI搜索引擎，完美解决这个痛点。一条 xerj autoindex 命令，自动识别目录下全部文件并建立索引，直接返回精准片段+文件行号，不再把完整文件喂给大模型。同时兼容Elasticsearch API，现有ES客户端、Kibana看板直接复用。

01｜为什么grep正在疯狂烧掉你的Token

很多编码智能体标准工作流：grep定位匹配行，然后读取完整源码文件送入LLM上下文。官方实测，这种方式输入Token最高可达106万。模型对不熟悉API会反复重试，每一轮都重复读取文件，持续付费。

XERJ的思路完全不同：提前将文件夹构建检索索引，Agent只查询匹配段落，按需取回片段，不再读取完整文件，也就是参考式编码（Reference Coding）。Agent在写代码前，检索同类开源项目解决方案，引用已有实现，而不是凭空硬写。

02｜实测数据

同样100%解题率，XERJ输出Token是grep模式的1/2.7，相比纯模型记忆减少26倍，费用直接减半；单个Java任务最高节省278倍Token。日常开发者真实反馈，端到端Token用量能降到原来的1/5。

诚实边界：对于大模型训练数据里已经熟记的热门开源库，XERJ收益有限甚至增加开销；真正适合私有代码、内部文档、新发布小众库。

03｜XERJ核心特性

一条命令自动索引，无需编写Schema：xerj autoindex，丢任意文件夹，自动嗅探识别文件类型，跳过垃圾文件，自动为数据集创建索引。官方示例：索引25329个文件，推断593个数据集，跳过1955个垃圾文件，158秒完成，生成83103条可检索记录。

源代码采用tree-sitter解析，保留AST符号、函数签名、行号，不是简单扁平文本。支持 xerj def，直接定位函数定义，自带跳转定义能力。

支持格式覆盖面极广：代码文件、CSV、JSON、YAML、SQLite数据库、PDF、DOCX、PPTX（每页幻灯片单独一条记录）、Excel（每个工作表独立数据集）、EPUB电子书（按章节分记录）、Jupyter Notebook、man手册、HTML、邮件.eml/mbox等。

Elasticsearch API高度兼容：ES兼容性测试1366/1369项通过，_cat/indices、_search、DSL查询、聚合、knn向量检索、语义检索全部支持。Kibana、各语言ES客户端，仅修改地址localhost:9200直接连接。

混合检索开箱即用，离线优先：默认词法嵌入器完全离线，不需要下载模型；如需语义检索，可手动开启神经模式，仅下载约90MB模型文件。支持BM25全文检索 + kNN向量检索 + RRF混合检索。内置Web控制台，支持查询、切面过滤、实时指标仪表盘。

MCP原生支持 + Agent长期记忆：二进制自带MCP Server，无需额外部署。一条 xerj init 自动把XERJ接入Claude Code / Cursor，自动配置MCP与技能。内置/_memory/{namespace}接口，充当Agent跨会话长期记忆，支持语义召回，附带记忆聚类视图，作为AI的第二大脑。

04｜五分钟上手实战

1、安装：

# Linux/macOS
curl -fsSL https://xerj.org/get | sh

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

2、启动服务 & 索引文件夹：

# 本地开发单用户（关闭鉴权与TLS，仅127.0.0.1）
xerj --insecure --data-dir ./data &

# 索引目标项目文件夹
xerj autoindex ~/my-project

# 检索内容
xerj search "how do we rotate the WAL segment"

# 查询函数定义
xerj def "euler_to_rotation_matrix"

# 查看节省token统计
xerj gain

# 一键接入Cursor/Claude Code MCP
xerj init

3、使用ES客户端直接调用API：

# 查看全部索引
curl localhost:9200/_cat/indices

# 全文检索
curl "localhost:9200/ax-*/_search?q=checkout+error"

# DSL结构化查询+聚合
curl localhost:9200/ax-orders/_search -H 'content-type: application/json' -d '{"query": { "range": { "total": { "gte": 100 } } },"aggs": { "by_status": { "terms": { "field": "status" } } }}'

4、MCP接入无法执行Shell的AI助手：

# 先启动xerj服务，再启动MCP stdio服务
xerj --insecure --data-dir ./data &
xerj mcp

# MCP客户端配置JSON示例：
{"mcpServers": {"xerj": {"command": "/home/you/.local/bin/xerj","args": ["mcp"],"env": { "XERJ_URL": "http://localhost:9200" }}}}

05｜适用场景

• 开发者 & AI编码Agent：私有源码库检索，查找函数定义、错误代码定位，替换grep，大幅削减Token开销
• 个人知识库：本地PDF、电子书、日志、文档一站式全文+语义检索，远超系统自带文件搜索
• 安全审计：跨多类型文件批量扫描密钥、高危代码调用
• 日志运维分析：异构日志统一检索、聚合统计
• 团队内网：作为轻量Elasticsearch替代，单二进制，内网离线部署，复用现有ES工具链
• AI Agent长期记忆：/_memory接口，存储会话知识，跨会话语义召回，搭建Agent第二大脑

06｜选型对比

• 系统文件搜索：仅文件名检索，不支持文档内全文、代码AST解析、向量检索
• Elasticsearch：依赖JVM，资源占用高，部署复杂，重量级
• grep：仅文本匹配，必须读取完整文件，Token消耗巨大，无语义检索
• XERJ：单二进制、零依赖，自动识别全类型文件，ES兼容，混合检索，原生MCP与Agent记忆，轻量化，本地离线优先

07｜写在最后

XERJ目前处于RC候选发布阶段（最新v1.0.0-rc.96），功能迭代很快，会存在少量粗糙细节，但方向极具潜力：它把搭建搜索引擎的门槛，从部署ELK整套组件，简化到只运行一个二进制。

✅ 推荐尝试：大量私有代码/内部文档、AI Agent高频检索、内网离线环境，想要低成本ES兼容检索能力。

❎ 不推荐：大规模高并发线上写入场景（官方基准测试显示高频写入场景p99读取延迟弱于ES）；热门开源库检索场景收益很低。

社区规则：Apache-2.0协议免费开源，只需要提交一份使用反馈PR（负面评价也接受，仅反馈类PR免签CLA），人类和AI Agent都可以参与贡献。

在线体验：https://xerj.org/playground

Github：https://github.com/xerj-org/xerj