【免费下载链接】sirchmunk️ Sirchmunk: Raw data to self-evolving intelligence, real-time.项目地址https://gitcode.com/gh_mirrors/si/sirchmunk点击查看免费下载Sirchmunk是一个无需向量数据库和预索引的自进化搜索引擎支持从原始文件直接进行智能搜索与文档问答。本文将带你通过 Python SDK 快速上手只需几行代码就能让 LLM 在你的本地文档里做DEEP / FAST 双模式智能检索并自动沉淀可复用的知识。Sirchmunk 采用 LENS 框架预算约束下的证据探索无需向量索引即可在原始文档上检索️ Sirchmunk 智能搜索引擎是什么传统 RAG 方案要先做分块、嵌入、建向量库流程长且数据一变就过期。Sirchmunk 的思路完全不同无索引检索直接面向原始文件搜索即开即用零信息损失自进化知识搜索结果自动聚类为知识簇越用越懂你的文档预算感知LLM 调用只在高价值证据上投放成本可控整个搜索管线由核心类AgenticSearch编排入口定义在 src/sirchmunk/init.py搜索主逻辑位于 src/sirchmunk/search.py。1️⃣ 一键安装 SDK30秒搞定前置条件Python 3.10以及任意 OpenAI 兼容的 LLM API Key。# 创建虚拟环境推荐 conda create -n sirchmunk python3.13 -y conda activate sirchmunk # 安装 pip install sirchmunk⚠️ 首次初始化时SDK 会自动检测并尝试安装ripgrep-all和ripgrep高性能无索引文件检索的底层依赖。若自动安装失败请手动安装这两个工具。2️⃣ 配置 LLM一个类接入所有模型Sirchmunk 通过统一的OpenAIChat客户端接入任意 OpenAI 兼容端点OpenAI、DeepSeek、MiniMax、DashScope、Gemini 等实现见 src/sirchmunk/llm/openai_chat.py。from sirchmunk.llm import OpenAIChat llm OpenAIChat( api_keyyour-api-key, base_urlyour-base-url, # 例如 https://api.openai.com/v1 modelyour-model-name, # 例如 gpt-5.2、deepseek-chat )客户端内置自动重试、流式处理和用量统计不同提供商的能力如 thinking 模式会根据base_url自动协商无需额外配置。3️⃣ 几行代码实现智能搜索核心只需 3 步构建 LLM → 创建AgenticSearch→ 调用search()import asyncio from sirchmunk import AgenticSearch async def main(): agent_search AgenticSearch(llmllm) # DEEP 模式默认多路并行检索 证据探索返回 rich Markdown 报告 result await agent_search.search( query认证模块是如何工作的, paths[/path/to/documents], # 要搜索的目录或文件 modeDEEP, response_formatrich, ) print(result) asyncio.run(main())就这么简单——没有索引、没有分块、没有向量库直接把目录丢给它就能搜。DEEP / FAST / FILENAME_ONLY 三种模式怎么选模式速度 / LLM 调用适用场景FILENAME_ONLY极快 / 0 次只找文件名不用 LLMFAST1-5s / 0-2 次快速问答贪心早停优先复用知识簇DEEP默认5-30s / 4-6 次复杂分析多路并行检索 ReAct 精化search()还支持常用参数灵活控制max_loopsReAct 循环上限、max_token_budgettoken 预算默认 128K、include/excludeGlob 文件过滤、chat_history多轮对话上下文等完整签名见 src/sirchmunk/search.py。4️⃣ 按需求选择输出格式response_formatresponse_format参数决定search()的返回类型方便集成到不同下游取值返回内容典型用途rich默认富 Markdown 报告直接展示给用户minimal纯答案文本嵌入其他 Agent 流程json完整结构化字典程序化处理contextSearchContext对象获取答案 全部遥测数据其中SearchContextsrc/sirchmunk/schema/search_context.py不仅携带最终answer和知识簇cluster还记录了total_llm_tokenstoken 消耗、retrieval_logs每次检索操作明细等遥测信息非常适合做成本监控。5️⃣ 进阶让知识库越用越聪明知识图谱可视化知识簇的语义关联与生命周期状态Sirchmunk 的自进化体现在每次搜索的证据会被持久化为知识簇Knowledge Cluster基于 DuckDB 存储下次类似查询命中知识簇时可直接秒级复用跳过昂贵的检索过程。复用知识AgenticSearch默认开启reuse_knowledgeTrue自动从工作目录加载历史知识簇运行时进化构造时传入enable_knowledge_evolutionTrue搜索完成后后台异步执行四阶段演化连接合并、边刷新、元聚类发现、全局更新不阻塞搜索返回相关知识管理实现见 src/sirchmunk/learnings/knowledge_base.py 与 src/sirchmunk/scheduler/evolver.py。6️⃣ 常见坑与排查清单 ✅API 连不上确认api_key、base_url、model三个参数正确端点须为 OpenAI 兼容格式完整环境变量模板参考 config/env.example提示 ripgrep 缺失SDK 会自动尝试安装失败时需手动安装ripgrep与ripgrep-all搜索路径不对paths支持单个字符串或路径列表也可为单个文件初始化时也可通过AgenticSearch(paths[...])设置默认搜索范围想用 Web 界面安装pip install sirchmunk[web]然后运行sirchmunk web initsirchmunk web serve访问 http://localhost:8584 即可看到如下界面Sirchmunk Web UI流式日志聊天、基于文件的 RAG 与会话管理 总结步骤命令 / 代码安装pip install sirchmunk接入 LLMOpenAIChat(api_key..., base_url..., model...)创建搜索器AgenticSearch(llmllm)智能搜索await agent.search(query..., paths..., modeDEEP)从pip install到第一次智能搜索整个过程不到 5 分钟。Sirchmunk 让你跳过分块、嵌入、向量库这些繁琐基建直接把目录交给 LLM就能得到带证据溯源的智能答案。更多技术细节可参考仓库内的 benchmarks/README_ZH.md 与 AGENTS.md。赞分享【免费下载链接】sirchmunk️ Sirchmunk: Raw data to self-evolving intelligence, real-time.项目地址https://gitcode.com/gh_mirrors/si/sirchmunk点击查看免费下载相关推荐猫抓视频下载实操指南3 条安装路线4 个高频场景一次讲清猫抓视频下载实操指南3 条安装路线4 个高频场景一次讲清 想存一个网课视频页面上却没有下载按钮。猫抓cat catch正是为这类时刻准备的免费开源的音视频smolagents 实战指南用几行代码构建以代码思考的智能体smolagents 实战指南用几行代码构建以代码思考的智能体 本指南以仓库根目录 README.md https://link.gitcode.com/人工智能AI AgentAgent 框架工具调用代码智能体MCP ClientsAgent 沙箱7行代码实现智能网页搜索Browser-Use API实战指南7行代码实现智能网页搜索Browser Use API实战指南 你还在为手动提取网页数据浪费数小时还在处理JavaScript渲染内容时束手无策本文将展示人工智能AI Agent浏览器控制GUI 自动化MCP 服务创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考