我用 JavaScript 构建了一个 Offline-First 语义搜索引擎

Source: Dev.to

介绍

搜索看似简单，实则困难。大多数 JavaScript 搜索库只停留在关键词或模糊匹配，而大多数语义搜索方案又假设需要外部 API、向量数据库或托管服务。我想要一些不同的东西：

• 完全本地运行
• 能在 Node.js 或浏览器中使用
• 理解语义，而不仅仅是文本
• 不需要额外搭建基础设施

于是我构建了 Simile Search —— 一个离线优先的语义 + 模糊搜索引擎，使用 JavaScript 实现。

核心技术

Simile 结合了多种技术，而不是依赖单一的评分方法：

• 基于 Transformer 的嵌入（通过 transformers.js）来捕获语义，这样即使没有关键词重叠，像 “phone charger” → “USB‑C cable” 这样的查询也能匹配。
• HNSW（层次化可导航小世界）索引 用于近似最近邻搜索，提供亚线性搜索时间，随着目录规模增长仍能保持可预测的性能，并实现交互式搜索的实用延迟。
• 向量量化 在降低内存占用的同时保持高相似度质量，这在 Node.js 环境下运行、嵌入大规模目录或全部放在内存中时尤为重要。

性能优化

嵌入是语义搜索中最慢的环节。Simile 通过以下方式避免重复工作：

• 为已处理过的文本缓存向量。
• 支持完整快照的保存/加载，能够瞬间恢复而无需重新嵌入。

评分融合

单纯的语义相似度并不足够。Simile 将以下因素融合在一起：

• 模糊匹配（拼写错误、部分输入）
• 精确关键词提升（提高精度）
• 归一化评分，防止某一种方法占据主导

权重可以根据你的业务领域进行调节。

结构化数据支持

不需要手动将数据扁平化，Simile 可以直接在嵌套路径上搜索，例如：

• metadata.author.firstName
• metadata.tags
• items[0].name

这使得它在实际的产品目录和结构化数据场景中非常实用。

理想使用场景

Simile 最适合以下场景：

• 产品与库存目录
• 内部工具和仪表盘
• 知识库
• 自动完成 / 输入提示搜索
• 注重隐私或需要离线能力的应用
• 不想额外引入搜索基础设施的 NestJS 后端

它并不是要取代 MeiliSearch、Elastic 或大型向量数据库——而是面向那些数据规模中小、语义重要且基础设施需要保持简洁的场景。

Simile 存在的原因

我经常看到以下项目：

• 完整的搜索引擎显得大材小用。
• 为了存放索引而额外建了一个数据库。
• 模糊搜索不足以满足需求。
• 语义搜索需要的配置过于繁琐。

Simile 正是为填补这一空白而诞生的。

安装与源码

• npm:
• GitHub: