Sift：面向Agent工作流的本地混合搜索框架，无需基础设施开销

Sift是用Rust编写的本地混合搜索工具，将BM25词法搜索、向量语义搜索与本地LLM重排序相结合，以单二进制文件形式提供零配置、无守护进程的高性能文档检索能力。其核心定位是面向Agent工作流的本地混合搜索，旨在解决传统RAG方案基础设施成本高、配置复杂的问题，适合数据隐私敏感、离线工作或降低运维复杂度的场景。

传统RAG解决方案需部署向量数据库、配置复杂服务架构，带来显著基础设施成本。Sift以"本地优先"为设计理念，所有操作本地执行，无需外部服务或守护进程。核心创新在于三层架构：BM25精确匹配关键词、向量搜索理解概念相关性、本地LLM重排序精排，兼顾传统搜索可靠性与现代AI语义理解能力。

Sift采用分层流水线架构（查询扩展、检索、融合、重排序）。资源管道优化：启发式缓存+CAS避免重复处理；支持多格式文档提取（纯文本、HTML、PDF、Office），嵌入模型生成向量，结果缓存至用户目录。混合搜索策略：默认"hybrid"模式，BM25+向量搜索结果经RRF融合，再由本地LLM重排。Agentic支持：通过search_turn和search_controllerAPI构建上下文感知的多轮对话应用。

命令行界面：核心命令包括sift search（单次搜索，支持策略指定）、sift eval（性能对比）、sift dataset（管理数据集）、sift optimize（优化提示模板），支持--json输出结构化结果。

嵌入式库集成：Rust库提供简洁API，如Sift::builder()构建实例，search方法执行检索，支持策略、检索器、融合方式等配置，还支持上下文组装、协议输出等复杂场景。

Sift通过SIMD指令加速向量运算、内容寻址存储消除重复计算、内存映射I/O提升大文件读取效率，可处理百万级文档。工程实践：持续集成覆盖多平台构建，基准测试套件对比检索质量与延迟，数据驱动优化确保版本性能改进。

Sift适合以下场景：1.本地知识库问答（敏感文档无需上传云端）；2.开发工作流集成（IDE插件或代码搜索）；3.边缘设备部署（单二进制无依赖）；4.Agent系统构建（多轮对话API提供检索基础设施）。价值在于降低高质量RAG应用构建门槛，兼顾功能与部署便利性。

Sift整合混合搜索、语义重排序、Agent工作流支持于单二进制文件，降低RAG应用构建门槛，适合快速原型验证、数据隐私保护或简化运维的开发者。随着本地LLM能力提升，这类"零基础设施"工具将在AI生态中扮演更重要角色。