RAG 通用检索

按 Ctrl+K,工作区的所有工作痕迹会汇聚到一个搜索框中。即使词语不完全一致也能按语义找到,嵌入全部在本地计算,因此代码不会外泄。

提示

RAG 检索与是否注册 AI 密钥无关,始终在本地工作。即使没有 API 密钥,也能先体验检索。

6 个检索来源

来源	索引对象	示例问题
code	文本·代码文件(40 多种扩展名)	“保存密码的函数”
db	表·视图·索引·触发器·例程定义	”汇总订单金额的视图”
git	提交消息·diff	”上周修复编码 bug 的提交”
chat	AI 聊天对话内容	”昨天问 AI 的部署方法”
work_event	面板活动记录(打开·编辑·执行查询等)	“最近打开过的迁移文件”
doc	Markdown·文档文件	”API 认证流程文档”

不仅是代码,连”上周那张表是怎么改的来着?”这样的作业脉络也能检索到。

注意

点击搜索框上方的来源过滤 chip,可单独开启或关闭特定来源。结果数量也可调节。

混合检索引擎

一个查询会分两路同时执行。

1. 向量检索 —— sqlite-vec KNN。语义相近时即使词语不同也能找到。
2. 关键词检索 —— FTS5 BM25。对精确的标识符·错误消息很有效。

将两路结果用 RRF(Reciprocal Rank Fusion)融合得出最终排名。一方遗漏的结果由另一方补足,因此比单一方式持续地得到更好的结果。deprecated / legacy / .bak 路径会被自动降权。

重排(opt-in)

若想进一步提升检索质量,可开启重排器。

• 用 cross-encoder 模型(bge-reranker-base,含韩语的多语言)将前 40 个候选与查询 1:1 对照重新排序。
• 新鲜度权重 —— 对最近 30 天的结果加分,1 年以上的旧 chunk 衰减。
• 引用次数权重 —— 在 AI 回答中实际被引用的次数越高,越靠前。

警告

重排器是 opt-in 功能。首次使用时需下载一次模型,CPU 使用率会临时升高。

懂代码的分块

代码文件不会简单地每 N 行切一刀。通过 tree-sitter AST 解析在函数·类·方法边界处分块(默认 6 KB),使检索结果不是”函数的半截”,而是完整的语义单元。

支持语言	分块方式
Python · JavaScript · TypeScript · TSX	tree-sitter AST
C# · Java · Go · Dart	tree-sitter AST
其他语言 · 超大文件	按行安全回退

本地嵌入模型

嵌入模型基于 transformers.js,在应用内运行。无需 API 密钥,也无需网络传输。首次使用时只下载一次模型,此后即使离线也能工作。

模型	维度	大小	备注
multilingual-e5-small	384	约 110 MB	默认值,快
multilingual-e5-base	768	约 280 MB	推荐韩语 —— 检索质量明显提升
MiniLM · bge 系列	384	90~130 MB	面向英语为主项目的轻量版
embeddinggemma-300m	768	约 600 MB	Beta

提示

若项目中含有韩语,建议改用 multilingual-e5-base。更换模型后索引会自动重建。

使用方法

1. 按 Ctrl+K 打开通用搜索框。

2. 用自然语言输入。

   保存 SSH 密码的部分
   上周修复的编码 bug
   给 orders 表添加 amount 列的提交

3. 用来源过滤 chip(code · db · git · chat · work_event · doc)缩小范围。

4. 点击结果卡片会展开内容,按 ▶ 按钮 会跳转到原始文件·位置。

与 AI 聊天的自动联动

AI 聊天 会在用户发送消息前用 workspace_search 工具自动检索索引。它会将相关代码·过往对话·DB 架构作为上下文带入,提高回答的准确度。无需额外操作,被引用的文件会显示在回答下方的 “参考:” 区域。

索引管理

自动索引

• 检测到 文件保存 或 DB 架构变更 时,会在后台增量索引。
• 模式选择 —— 在聊天设置中从 eco / balanced / fast 中选择,以调节 CPU 使用率与反映速度的平衡。
• 状态仪表盘 —— 在聊天设置 → RAG 索引状态 标签中实时查看各来源的 chunk 数和索引队列。

排除模式

会自动尊重 .gitignore,以下路径默认排除。

node_modules/   .git/   dist/   build/

若需额外排除,可在项目根的 .termeditignore 文件中写入(gitignore 语法)。DB 对象在 [db] 区段中用 glob 模式排除。

# .termeditignore 示例
vendor/
*.generated.ts
coverage/

[db]
*.tmp_*
BACKUP_*

保存模式后,已索引的对应 chunk 也会立即清理。

索引清理工具

旧工作区中索引臃肿时,请使用仪表盘的清理工具。

工具	作用
Orphan Scan	移除已删除文件的残留 chunk
Pattern Purge	按路径模式(如 dist/**)批量移除
Stale Cleanup	整理长期未被引用的 chunk
失败重试	重新处理索引失败的条目

索引存放位置 & 大小

索引以各工作区的 SQLite 文件(workspace.sqlite)保存。移动工作区文件夹后会重新索引。

大小不会造成负担。以 1 万 chunk 计,向量数据约 15 MB。

FAQ

搜索框打不开 → 请使用 Ctrl+K。若输入焦点与其他快捷键冲突,请先点击一次空白区域再重试。

没有结果或结果异常 → 首次运行后,在模型加载·下载完成前结果可能为空。请在索引状态仪表盘中查看进度。若噪声较多,请用 .termeditignore 排除不必要的路径。

总是出现旧结果 → 在索引状态标签 → 运行 Orphan Scan 或 Stale Cleanup。若刚更换模型,请等待重新索引完成。

更换嵌入模型后既有索引怎么办? → 更换模型后既有索引会自动删除并从头重新索引。视项目规模可能需要数分钟。

远程(SSH/SFTP)文件夹也会被索引吗? → 暂不支持。在远程项目文件夹中 RAG 代码检索会被禁用,AI 会用 file_list_dir + file_read 工具直接探索。

AI 回答中引用了错误的代码 → 调整来源过滤,或用 .termeditignore 排除噪声文件,引用质量会改善。开启重排选项后,相关性低的 chunk 会被挤后。

---

与其他功能配合使用的方法,请参阅 AI 聊天、编辑器、DB 客户端 文档。