SIFS：为AI Agent打造的极速Rust代码搜索工具

SIFS是一款基于Rust开发的代码搜索工具，专为AI Agent、编辑器集成和本地开发工作流设计。它采用混合搜索架构，结合语义嵌入和BM25算法，在Semble基准测试中达到NDCG@10=0.8444的优异成绩，同时保持极低的查询延迟。

随着大型语言模型能力的不断提升，AI Agent在软件开发中的角色越来越重要。然而，Agent要有效地协助开发，首先需要能够快速地理解和检索代码库中的相关内容。传统的代码搜索工具要么依赖简单的文本匹配，无法处理语义层面的查询；要么依赖云端服务，存在延迟和隐私问题。

SIFS的设计目标是提供一个既快速又智能的本地代码搜索解决方案。它完全基于Rust开发，充分利用了Rust的性能优势和内存安全性，同时支持多种使用模式，包括命令行工具、Rust库以及Model Context Protocol（MCP）服务器。

SIFS采用混合搜索架构，结合了语义搜索和传统的BM25算法，以兼顾自然语言查询的理解能力和符号匹配的精确性。

SIFS使用minishlab/potion-code-16M作为默认的嵌入模型，这是一个专为代码设计的Model2Vec兼容编码器。Model2Vec是一种轻量级的嵌入模型格式，相比传统的Transformer模型，它体积更小、推理更快，非常适合本地部署。SIFS通过本地Model2Vec加载器直接读取模型张量和分词器文件，确保查询路径完全在Rust进程内部完成，无需依赖外部服务。

对于不需要语义理解的场景，或者网络受限的环境，SIFS提供纯BM25搜索模式。BM25是一种经典的信息检索算法，基于词频和逆文档频率计算相关性。这种模式不加载任何模型，完全离线运行，非常适合包管理器的冒烟测试和首次运行检查。

混合搜索是SIFS的核心特性。它首先分别执行语义搜索和BM25搜索，然后使用倒数排序融合（Reciprocal Rank Fusion）对两个结果列表进行归一化合并。系统还会根据查询特征动态调整权重：对于包含大量符号的查询（如函数名、变量名），增加BM25的权重；对于自然语言描述性查询，则更多依赖语义搜索。

SIFS在Semble基准测试套件上进行了全面评估。该测试集包含63个开源仓库、19种编程语言、1251个标注搜索任务。

在完整的基准测试中，SIFS取得了以下成绩：

• NDCG@10: 0.8444
• 平均索引时间: 93.0毫秒
• 重复查询P50延迟: 0.0017毫秒

与其他方案相比，SIFS在搜索质量上略低于CodeRankEmbed Hybrid（0.8617）和Semble（0.8544），但在查询延迟上具有显著优势。SIFS的P50延迟仅为0.0017毫秒，远低于CodeRankEmbed Hybrid的16.9毫秒和Semble的1.3毫秒。