zg（zvec-grep）把向量语义检索、BM25 关键词检索和 ripgrep 精确匹配装进了同一个本地命令行工具，同时通过 MCP 提供给 Claude Code、Codex、Cursor 等 AI Agent 使用。0.3.0 版本用 Rust 完整替换了原来的 Node.js 实现：安装包体积减少 79.5%，CLI 启动耗时减少 82.5%，索引构建耗时减少 64.5%，构建期峰值内存降低 53.2%。

项目地址：https://github.com/zvec-ai/zvec-grep

一、zg 是什么

zg（zvec-grep）是阿里巴巴开源的本地检索工具，面向人和 AI Agent，把向量语义检索、BM25 关键词检索和 ripgrep 精确匹配整合到同一个入口。

rg 是很多 Rust 开发者每天都在用的工具。函数名、配置项、报错信息这类明确目标，用 rg 查又快又准，而且能搜全。

但现在越来越多的检索请求来自 AI Agent，输入也从明确的符号变成了自然语言：“启动时怎么恢复主题偏好？”“用户权限在哪里校验？”。代码里对应的实现可能叫 hydratePreferences，文档里可能写成“账号授权与审批”，和问题本身没有一个相同的词。这种时候只用文本匹配，要么漏掉，要么把范围放得很大，得到一堆没有排序的匹配行。Agent 只能反复换关键词、搜索、读文件，工具调用次数、耗时和 Token 都会上去。

zg（zvec-grep）就是为这个问题做的本地检索工具。它保留 rg 精确、快速、可以穷尽匹配的优点，再补上语义发现、相关性排序和上下文组织：

一个入口，多种检索：向量语义检索、BM25、二者混合检索（RRF 融合排序），以及 rg 风格的精确/正则匹配。可以先按语义找方向，再按关键词收窄，最后用正则精确核对。

理解代码结构：借助 tree-sitter 解析 C/C++、Go、Java、JavaScript/TypeScript、Python、Rust 等语言，按符号、签名和层级切分；Markdown 按标题和章节切分；JSON、TOML、YAML、CSV 等文本数据也能参与检索。

结果紧凑、来源可查：默认返回排序后的紧凑预览，每条结果带文件路径和行号，需要时再读全文，避免无关内容塞满 Agent 的上下文。

默认本地运行：文件扫描、Embedding、索引和检索默认都在本机完成。内置多种端侧模型，远程 Embedding 必须经过用户明确授权才会启用。

人和 Agent 共用一份索引：zg 底层用 Zvec https://github.com/alibaba/zvec 嵌入式向量数据库同时存放向量索引和 BM25 索引，不用另外部署数据库服务。CLI 和 MCP 读写的是同一份索引，并支持增量更新和自动刷新。

在代码仓库问答 SWE-QA-Bench 和深度研究问答 BrowseComp-Plus 的配对 A/B 评测中（同一 Agent、同一模型、同一 Prompt，只比较是否接入 zg）：

SWE-QA-Bench：工具调用减少一半以上，输入 Token 减少近一半，评审得分提高 1.50 分；

BrowseComp-Plus：准确率从 98.67% 提高到 99.00%，输入 Token 减少 37.56%，工具调用减少 43.52%，Agent 耗时减少 38.58%。

二、从 Node.js 到 Rust：重写带来了什么

为什么重写

zg 的前几个版本（0.2.x）用 TypeScript/Node.js 实现。对一个高频调用的命令行检索工具来说，这个运行时有几个绕不开的成本：

每次单独调用 CLI 都要启动 Node.js 运行时并加载 JS 模块，Agent 连续调用时，这部分时间会累积起来；

部分索引路径要在 JavaScript 普通数组和 TypedArray 之间转换，还要在 worker 线程之间传数据，带来额外的复制和临时内存分配；

安装包要带上整套 JS 依赖和原生插件，体积很大。

大型工作区和 Agent 工作流对索引耗时、查询延迟和资源占用都很敏感，所以我们用 Rust 重写了整条核心执行链路。

性能对比

测试环境：Apple M3 Pro、18 GB 内存、macOS 27.2，Node.js v24.16.0。索引数据集使用 BEIR 中的 SciFact、NFCorpus、ArguAna 和 FiQA 四个公开语料，共 75,128 篇文档。两个版本使用同一个本地 Embedding 模型，都走 CPU 推理，Embedding 并发设为 4。

指标
Node.js 0.2.2
Rust 0.3.0
改善

安装包体积（含依赖）
167.5 MiB
34.3 MiB
减少 79.5%

CLI 启动耗时
153.1 ms
26.8 ms
减少 82.5%

索引构建总耗时
219.13 s
77.84 s
减少 64.5%

平均构建峰值内存（RSS）
4,210.26 MiB
1,968.61 MiB
降低 53.2%

平均检索耗时（MCP）
20.93 ms
14.88 ms
减少 28.9%

换算成实际体验：四个语料的首次建索引时间从约 3 分 39 秒缩短到约 1 分 18 秒；构建期峰值内存从约 4.11 GiB 降到约 1.92 GiB，而且四组测试每一组都下降了。本机同时开着编辑器、Agent 和其他开发工具时，这部分内存节省很明显。

性能从哪里来

原生启动：直接运行编译好的原生程序，不再需要初始化 Node.js 运行时和加载 JS 模块。CLI 冷启动从 153 ms 降到 27 ms。

计算路径更直接：文本编码和向量计算在原生代码中完成，使用明确的数值类型和连续内存数组，编译器更容易优化计算循环。

减少中间转换：计算结果一直以原生数值数组的形式存在，不再在 JS 普通数组和 TypedArray 之间来回转换，数据复制和临时分配都少了。

共享资源、统一调度：在支持的本地推理路径上，各计算线程共享已加载的分词器和模型数据，避免重复初始化，任务由原生线程池统一调度。

三、上手：安装与使用

安装

zg 目前通过 npm 分发（后续会支持其他安装方式），运行时直接执行原生程序，不依赖 Node.js。支持 macOS、Linux 和 Windows。

npm install -g/zvec-grep --allow-scripts=/zvec-grep
zg --version

安装依赖 npm 的 postinstall 脚本把原生程序放入合适位置和按需下载 CUDA，所以要加上 --allow-scripts 允许它运行。

接入 AI Agent（可选）

自动发现本机已安装的 Agent 并配置 MCP

zg --install

也可以指定目标，例如 Claude Code / Codex / OpenCode

zg --install --target claude --yes
zg --install --target codex --yes

目前支持的目标包括 claude、codex、opencode、cursor、qwen、qoder、copilot、vscode、grok、pi。配置完成后重新连接 Agent，Agent 会根据问题自己判断什么时候调用 zg。

建立索引

cd your-repository

默认使用面向代码的轻量本地模型 local/potion-code-16m-v2

zg --index

查看索引覆盖范围、Embedding 模型和存储状态

zg --status

索引保存在工作区根目录下的 .zvec-grep/。之后文件有变化时只做增量处理，内容没变的文件不会重新计算 Embedding。如果要换模型，用 zg --index --rebuild --embedding <model> 重建索引。

在交互式终端里，即使跳过这一步直接搜索，zg 也会先引导你选模型并建好索引。脚本或 CI 这类非交互环境不会自动建索引，需要先显式执行 zg --index。

检索

自然语言 / 语义检索（默认混合检索：向量 + BM25，RRF 融合排序）

zg "where is the connection pool timeout configured"
zg "用户权限在哪里校验"

只走 BM25 关键词检索，或只走向量检索

zg --fts "AuthService"
zg --vector "retry with exponential backoff"

同时执行多个查询，--fuse 把多组结果合并后统一排序

zg --hybrid "connection pool" --hybrid "socket timeout" --fuse

用 rg 风格做精确/正则匹配（不需要索引）

zg --rg -n "AuthService" src
zg --rg -F "fn main(" crates

限定范围：文件类型、glob、条数

zg "error handling for invalid config" -t rust -g 'crates/**' --limit 5

调整预览详细程度：none / short（默认）/ full / detail

zg --preview detail "how indexing jobs are scheduled" --limit 3

示例：用小说测试一下

mkdir zg-mystery && cd zg-mystery
curl --retry 3 --retry-all-errors --progress-bar -fL \
-o alice-in-wonderland.txt https://raw.githubusercontent.com/GITenberg/Alice-s-Adventures-in-Wonderland_11/master/11.txt \
-o sherlock-holmes.txt https://raw.githubusercontent.com/GITenberg/The-Memoirs-of-Sherlock-Holmes_834/master/834.txt

语料是英文小说，换用面向文本检索的本地模型

zg --index --embedding local/potion-retrieval-32m

zg --preview detail "An unseen creature left a few marks. What did the detective infer?" --limit 3

查询里没有出现 Holmes、weasel、foot-marks 这些原文用词，zg 依然会把《福尔摩斯回忆录》中《驼背人》里根据脚印推断动物的段落排在最前面，并给出具体行号。

四、写在最后

zg 0.3.0 是 Rust 版的第一个正式版本。接下来我们会继续推进图检索与重排、PDF/Office 等更多内容格式、更高的上下文效率，以及本地模型和索引的性能优化。

欢迎 Rust 社区的朋友试用，也欢迎提 Issue、PR，或者分享你在大型代码库、知识库和 Agent 工作流里的使用情况：

GitHub：https://github.com/zvec-ai/zvec-grep

文档：https://zvec.org/zh/docs/zvec-grep/

Rust 版发布博客：https://zvec.org/zh/blog/2026-11-03-zvec-grep-rust/

开源发布博客：https://zvec.org/zh/blog/2026-08-28-zvec-grep-open-source/

如果觉得有用，欢迎给项目点个 Star。

主楼

zg 使用 Rust 重写，索引构建耗时减少 65%，峰值内存降低 53%