前言
花了一段时间，我终于把小遥搜索 XiaoyaoSearch做出来了。
这是一个支持语音、文本、图片多模态输入的本地AI搜索桌面应用。最特别的是，它100%通过Vibe Coding（AI辅助编程）实现，从零开始，所有源码、设计文档、开发经验，今天全部开源。
为什么要做这个工具？
作为知识工作者，我经常遇到这些痛点：
文件太多找不到：电脑里存了成千上万个文档、图片、音视频，想找个特定内容翻半天
搜索不够智能：系统自带的搜索只能匹配文件名，搜不到文件内容
隐私安全担忧：很多搜索工具要上传数据到云端，不太放心
AI工具太复杂：想用AI提升效率，但不会配置，门槛太高
所以我就想：能不能做一个本地运行的、支持多种输入方式的AI搜索工具？
小遥搜索是什么？
简单来说，它是一个本地AI搜索桌面应用，核心特点：
🎤 多模态输入
语音搜索：点一下录音，说出你要找的内容，30秒内语音自动转文字搜索
文本搜索：输入关键词，AI理解语义，精准匹配文件内容
图片搜索：上传一张图片，AI理解图像内容，帮你搜索相关文件
🔍 深度检索
文档：TXT、Markdown、Word、Excel、PPT、PDF 全文检索
音视频：MP4、AVI、MP3、WAV 内容索引和搜索（支持10分钟内音视频字幕提取）
文件名：传统的文件名搜索也不缺席
🧠 AI技术
集成了多个先进AI模型：
BGE-M3：文本嵌入，理解语义
FasterWhisper：语音识别，语音转文字
CN-CLIP：图像理解，以图搜图
Ollama：本地大语言模型
🔒 隐私安全
完全本地：所有数据处理都在本地，不上传云端
隐私模式：可选不记录搜索历史
自主可控：数据完全由你自己掌控
核心界面一览
搜索主界面
文本搜索
语音搜索
图片搜索
技术架构
前端：Electron + Vue 3 + TypeScript
后端：Python 3.10 + FastAPI
AI引擎：BGE-M3 + FasterWhisper + CN-CLIP + Ollama
搜索：Faiss（向量搜索）+ Whoosh（全文搜索）
数据库：SQLite系统架构图
Vibe Coding 实践案例
这是我特别想分享的部分。
这个项目从零开始，完全通过Vibe Coding实现，包括：
✅ 完整源代码（前端 + 后端 + 所有功能模块）
✅ 设计文档（PRD、技术方案、数据库设计、API文档）
✅ 开发流程（任务分解、进度跟踪、测试验证）
✅ 部署配置（环境搭建、依赖管理、打包发布）
开源的价值：对于想要学习AI辅助开发、本地AI应用、Electron桌面应用的开发者，这是一个完整的参考实现。
快速体验
环境要求
操作系统：Windows / MacOS / Linux
Python：3.10.11+
Node.js：21.x+
内存：建议8GB以上
安装步骤
1. 克隆项目
git clone https://github.com/dtsola/xiaoyaosearch.git
cd xiaoyaosearch2. 后端启动
cd backend
pip install -r requirements.txt
python main.py3. 前端启动
cd frontend
npm install
npm run dev详细安装指南：README.md
产品路线图
当前版本（v1.1.1）✅
多模态AI搜索（语音、文本、图片）
本地文件深度检索
AI模型灵活配置
隐私安全保护
未来规划
🚀 微内核架构演进
插件化系统，支持自定义扩展
🌐 多数据源扩展
文档协作平台（语雀、飞书、Notion）
项目管理平台（Jira、禅道、GitHub）
实时同步和智能缓存
🎬 音视频搜索增强
视频画面内容理解和搜索
长视频处理（集成水母平台）
音频声纹识别和情感分析
🧠 RAG系统升级
自适应分块算法
知识图谱构建
检索结果智能增强
💬 智能聊天助手
多轮对话和上下文记忆
基于本地知识库的问答
🔌 MCP能力集成
连接Claude生态，扩展AI能力
详细路线图：ROADMAP.md
适合谁使用？
知识工作者
搜索本地文档、笔记、研究报告，快速定位关键信息
内容创作者
搜索素材和灵感，整理音视频内容，管理创作资源
技术开发者
搜索代码库和技术文档，整理学习资料，管理项目文件
研究人员
搜索论文和研究资料，整理文献笔记，管理研究数据
邀请你参与
为什么需要你？
一个人的力量有限，开源社区的力量是无限的！
优先贡献方向
插件系统开发（高优先级）
设计插件接口规范
实现插件加载机制
多数据源连接器（高优先级）
语雀、飞书、Notion API集成
UI/UX优化（中优先级）
搜索结果展示优化
暗色模式支持
性能优化（中优先级）
大文件处理优化
索引构建速度提升
测试覆盖（中优先级）
单元测试补充
集成测试完善
如何贡献？
# 1. Fork 项目
# 2. 创建分支
git checkout -b feature/your-feature-name
# 3. 提交代码
git commit -m "feat: 添加XX功能"
git push origin feature/your-feature-name
# 4. 提交 Pull Request贡献者权益
📝 在贡献者列表中展示你的名字
🏆 对项目有重大贡献者可成为核心维护者
💼 优秀贡献者可获得推荐信或工作机会
项目地址
GitHub：https://github.com/dtsola/xiaoyaosearch
欢迎：
⭐️ Star 本项目，关注最新进展
🍴 Fork 本项目，开始你的贡献
👀 Watch 本项目，及时获取更新
🐛 提Issue，报告问题和建议功能
💡 参与讨论，分享你的想法
关于我
dtsola - IT解决方案架构师 | 一人公司实践者
微信：dtsola（请备注"小遥搜索"）
开源协议
本项目采用小遥搜索软件授权协议：
✅ 免费使用（非商业用途）
✅ 可以学习和研究代码
✅ 可以修改后二次分发（需保留版权声明和协议）
✅ 可以集成到其他非商业项目
❌ 商业使用需授权
这是一个类似 CC-BY-NC-SA 的开源协议，鼓励学习、分享和贡献！
详细协议：LICENSE
结语
小遥搜索是我对本地AI搜索工具的一次探索和实践，也是Vibe Coding的完整案例展示。
我相信，开源社区的力量会让这个项目变得更好。
无论你是：
🔨 想要贡献代码的开发者
💡 想要提供建议的产品经理
📖 想要学习AI应用的学生
🚀 想要参与创业的伙伴
都欢迎加入我们，一起打造更好的本地AI搜索工具！
让我们一起，用AI技术改变知识管理方式！ 🚀
扫码加群，获取最新动态
Made with ❤️ by dtsola
#独立开发者 #知识工作者 #知识库 #AI工具 #内容创作者 #一人公司 #ai搜索 #dify #ragflow #vibecoding
