标签
一款使用 Hark Pro、基于 Kotlin 和 Jetpack Compose 构建的个人 Android 笔记应用，配备 AI 思考伙伴，提供关联引擎、想法拓展模式、知识图谱，以及基于语义的笔记搜索功能。
The Last Museum 是一个可对全球主要博物馆的 580 万件（更新数据约 630 万件）艺术品进行语义搜索的工具，让公众通过自然语言检索海量艺术藏品。
介绍一种基于768维嵌入空间上的吸收马尔可夫链（Absorbing Markov Chain）的语义分流引擎，通过在60节点领域流形上做随机游走来替代朴素余弦相似度路由，实现<2ms的零token意图分类，从而在唤醒LLM之前完成路由。文中给出JevBench基准测试结果：四层级联系统（Gevva0）在240个条目上达到100%召回、89.17%精度，平均p50延迟46ms，并配备否定/语法、流形邻近OOD和熵与边界三重防护网。
Obsidian Mind 把 Obsidian Vault 改造成 AI 编程助手的长期记忆仓，通过 QMD 语义检索和 Markdown 笔记让 Claude Code、Codex CLI、Gemini CLI 跨会话保留项目背景、技术决策与经验积累。
Sergio Pineiro 惊叹某开源搜索工具能在 30 毫秒内检索 3200 万条记录，性能极其惊人，并且设置简单、支持模糊搜索、向量搜索和语义搜索。
Abdur-Rahman Butler (Isaacus) 制作了一个交互式教程加 Wordle 风格游戏 SemanticGuessr，通过在 43,339 个英语单词的二维语义地图上「围捕」目标词来讲解向量嵌入、余弦相似度、语义搜索、聚类等概念，并通过降维量化把模型压缩到 12.3MB 实现纯前端运行。
互动式指南讲解向量嵌入的历史、原理与实践应用，通过可视化展示语义空间、向量运算与语义相似性，并演示语义搜索、聚类、零样本分类等真实场景。文中使用 Kanon 2 Embedder 的真实嵌入构建了一个交互式词语地图游戏。
Maxime Rivest 推出了 ask.sciencemadereadable.com，这是一款免费工具，可按语义（或精确关键词）搜索 OpenAlex 中约 2 亿篇科学研究的标题和摘要，并返回纯文本结果，无需 API 密钥。它支持通过 URL 查询、筛选选项（年份、类型、开放获取状态）、JSON API，以及指向每篇论文通俗易懂的“科学地图”版本的链接。
VectorDash 是一款面向 Windows 11 的全功能搜索替代工具，灵感来自 macOS 的 DigUp，借助 EmbeddingGemma 2 实现跨图片、音频、视频、PDF 和 Office 文档的语义与精确搜索，并支持快速文件索引、全局启动器、MCP 服务器及本地加密存储。
作者认为，EmbeddingGemma 2 以及嵌入模型整体都被低估了，并重点介绍了开源项目 DigUp——这是一款基于 Google 的 EmbeddingGemma 2 构建的 Mac 搜索应用，在内容、图像和音频搜索方面优于 Spotlight——同时指出，嵌入技术也可以改善 RAG 知识库搜索。
一位网友在 GitHub 上发现了一款基于 Google EmbeddingGemma2 小模型的 Mac 搜索应用，称其准确度远超系统自带 Spotlight，支持文件名、文件内容、图片和音频搜索。
Maxime Rivest 发布了 ScienceMadeReadable：一个免费、开源的科学文献语义搜索 API，覆盖约 2 亿篇论文，可直接被 AI 代理调用，无需密钥或注册，嵌入由 LightOn 的 DenseOn 模型驱动。
Recall 是一款开源的 Linux 本地语义文件搜索工具，使用 Rust 和 GTK 4 构建，通过 llama.cpp 运行 EmbeddingGemma 2，为 PDF、Office 文件、媒体文件等建立索引，支持基于内容的查询，模型下载后无需网络连接。
DigUp 是一款免费开源的 Mac 应用，本地运行 Google DeepMind 的 EmbeddingGemma 2 模型，通过文本、图像、音频和视频的统一嵌入空间实现对本地文件的语义搜索。
Maxime Rivest 介绍了一个可直接供 AI agent 调用的语义搜索 API，覆盖 2008 年至今的科学文献，只需发出 GET 请求即可获得检索结果。目前仍是 demo 版本，呼吁开发者试用并反馈改进建议。
作者提出一种新思路：构建大量用自然语言描述的任务专用 agent，通过语义搜索为每个请求匹配并执行正确的 agent，以此规避 Claude Code 等 agent 框架工具集过大、上下文腐化、不可预测和成本膨胀的问题。文中还对比了 Agent/MCP 网关、子 agent 和工具搜索等替代方案。
作者展示了如何将 Opus 5.5 等前沿模型应用于历史研究：基于嵌入的语义检索在 GLOBALISE 荷兰东印度公司档案中，检索到一份此前未被注意的 1615 年荷兰人目击猎捕渡渡鸟的记述；文章还介绍了 Carter Church 使用 GPT-6 Astra 破解拿破仑时代密码的案例。
本文提出了 LLM 引导的图剪枝（LLM-Guided Graph Pruning，LGP）框架，利用 LLM 推理来优化基于图的 ANN 索引（如 HNSW、DiskANN），通过剪除低价值邻居，解决了这些索引在构建方式与评估方式之间存在的几何—语义不匹配问题，并在端到端检索中超越了传统贪婪搜索与 LLM 重排序方法。
一个用于个人AI的本地、基于文件的长期记忆层，存储带有时间戳的原始对话日志，支持时间优先搜索，并在不进行总结的情况下保持完整上下文。
FIND 是一款开源 Chrome 扩展，提供 AI 驱动的语义搜索功能，可在网络上实现近乎实时的、基于含义的查找。