本地检索新范式：SQLite FTS5 + ONNX 替代向量数据库

我的知识库横跨数千个 Markdown 文件。找一个事实意味着要读完整整个文件。关键词搜索找到的是词，不是含义。而读完整文件会燃烧大量 token：为了找出某一个事实，需要消耗数以万计的 token。真正的指标不是存储，而是每次回答消耗的 token。

为什么不使用常规工具？

grep 能找到文件，但你还是要读它。成本没变。

云端向量数据库会把私人笔记发送到外部，而且为一个 2 MB 的语料库还要额外添置基础设施。

纯语义的搜索无法做精确过滤。

我构建的方案：一个本地优先的检索层。

SQLite FTS5 索引：即时关键词搜索、精确过滤、真实的 file:line 引用。

本地 ONNX 嵌入（384 维）：语义排序。每个命中结果都指向真实文件。

一条命令重建。索引是派生出来的，所以永远不会过期。

结果：2000 个 chunk，一条 CLI，零服务器。现在一次回答只需消耗几百个 token，而不是遍历数千个文件。

从确定性开始。在关键词失效的地方加入语义。频繁重建。

我们是一个让程序员分享、保持最新和拓展职业生涯的地方。