modelscope/sirchmunk

解决的问题

Sirchmunk 解决了传统向量检索（RAG）的僵化性和高开销问题。它消除了对昂贵预处理、静态向量嵌入和复杂数据库基础设施的需求，这些因素常常导致数据过时和近似过程中的信息丢失。

工作原理

Sirchmunk 采用“无索引”方法，直接处理原始数据。它利用代理搜索和预算内证据探索，在实时中检索信息。系统具备一个自我演进的知识引擎，能根据搜索使用情况自动更新其知识图谱，利用社区检测算法（Leiden）将共享查询整合为更高层次的元聚类，从而降低未来搜索的复杂性。

适用人群

专为需要在大规模本地仓库和网络上进行深度实时搜索，但又不想承担向量数据库设置成本的 AI 代理和开发者设计。

核心亮点

• 无需 EmbeddingDB：直接在原始文件上运行，实现即时搜索且零信息丢失。
• 自我演进的知识：一个随数据变化和搜索模式实时进化的动态索引。
• 双模式搜索：提供“DEEP”模式以生成丰富的 Markdown 报告，以及“FAST”模式以实现贪婪的低延迟检索。
• MCP 集成：完全支持 Model Context Protocol，可与 Claude Desktop 和 Cursor IDE 等工具协同工作。
• 知识编译：一项测试功能，用于离线预处理，构建分层树状索引以提升精度。