xerj-org/xerj

外部のオープンソース リポジトリを紹介するページです。HDATFの製品ではありません。

何をするか

XERJはAIコーディングエージェントなどのためにローカルフォルダーをインデックス化するRust製の検索エンジンで、1つの静的実行ファイルとして配布され、Elasticsearch REST APIを実装しているため既存のElasticsearchクライアントとKibanaが接続できます。READMEが示す主な用途はreference codingで、エージェントが作業に近いオープンソースのプロジェクトを取得してインデックス化し、grepで見つけたファイル全体の代わりに、その解き方をファイルと行の位置付きの部分として取り出します。xerj autoindexはフォルダー内のファイルをschemaなしで形式別のインデックスにし、ソースコードはtree-sitterで解析してシンボルと行番号を残し、PDF、XLSX、メールなどのファイルも扱います。検索はBM25のfull-text検索、ベクトルのkNN、hybridクエリに対応し、/_memory APIはエージェントの記憶をnamespaceごとに別のインデックスに保存し、キーワード、意味、ベクトルで呼び出します。xerj mcpコマンドは13個のツールを備えたstdioのMCPサーバーで、別に起動しておいたnodeへ呼び出しを転送し、xerj initはXERJをClaude CodeとCursorに登録します。インストールはインストールスクリプトか、Linux、macOS、Windows向けの実行ファイルで行い、既定のembedderはオフラインのfeature hashingで、neural embedderを有効にすると初回に約90 MBのモデルファイルをダウンロードします。クイックスタートで使う--insecureオプションはTLSとAPI keyの認証をどちらも切るため、ポートに届く人は誰でもsuperuserになり、それ以外の方法で起動すると管理者keyで認証が有効になります。SECURITY_MODEL.mdは、既定でオフのTLS、フィールド単位と文書単位のセキュリティと保存データの暗号化がない点、インデックス全体をguestに開く共有リンクを制限として挙げています。RERANK.mdによると、既定のnodeには外部接続とtelemetryがなく、文書の内容を外へ送るTypeSafe AIのJevによる再順位付け(rerank)、proxy embedding、WAL tap、S3のbackendは運用者が有効にした場合にだけ動きます。READMEが引用するプロジェクト自身の研究(4言語の8つの作業)では、XERJを使ったエージェントの出力トークンは9,982で、grep中心のエージェントの26,477より少なく、解決数はどちらも16回中16回でした。READMEはこの利点が非公開のコードや学習時点より後のコードで現れ、モデルが知っている有名なライブラリでは効果がないか不利になりうると書いており、リポジトリの説明にあるトークン40分の1という数値はリポジトリ内のファイルで根拠を見つけられませんでした。調査時点の最新リリースは2026-10-12のrelease candidate v1.0.0-rc.95で、LICENSEファイルとGitHubのメタデータはどちらもApache-2.0であり、コードの貢献にはCLAへの署名が必要です。

ライセンス

Apache-2.0 寛容で特許許諾を含みます。商用利用できます。告知を残し、変更点を明記します。

同じ分野のリポジトリ

• ARahim3/DigUp
  DigUpは、macOS 14以上のApple Silicon Macでメニューバーに常駐するアプリで、ユーザーが選んだフォルダーのファイルを中身で探します。写真、スクリーンショット、PDF、文書、録音、動画を自分の言葉で説明して探したい人が対象で、MITライセンスの無料のオープンソースです。アプリは、Google DeepMindのマルチモーダルembeddingモデル(テキスト、画像、音を互いに比べられる数値ベクトルに変えるモデル)であるEmbeddingGemma 2を端末内で実行します。画像は写っている内容で、スクリーンショットはAppleの文字認識で文字まで、PDFはスキャンを含めてページ単位で読み、音声は重なり合う30秒の区間で、動画は数秒ごとの1コマと音声を合わせて読みます。検索結果はアプリが対応する範囲で該当する位置で開き、録音と動画はQuickTime PlayerかIINAで該当する瞬間から再生され、PDFは該当ページの語がPreviewの検索欄に入った状態で開きます。内部ではllama.cppが8ビット版のEmbeddingGemma 2をMacのGPU上で実行し、写真、ページ、段落、音の区間ごとに作った768次元のベクトルは、FTS5のキーワード索引と一緒に1つのSQLiteファイルに保存されます。検索では質問のベクトルを保存されたすべてのベクトルと比べ、語がそのまま一致する結果に加点するため、ファイル名、文書本文、スクリーンショットにある請求書番号やエラーコードも書かれたとおりに見つかります。インストールはGitHub ReleasesのDMGかHomebrewで行い、アカウントは不要で、初回起動時に固定されたリビジョンのモデルファイル865MBをHugging Faceからダウンロードし、サイズとSHA-256を確認します。READMEによると、索引にした内容はMacの中だけに残り、ネットワークはこのダウンロードと、オフにできる1日1回の更新確認だけに使われ、アプリはファイルを読むだけで、鍵ファイル、証明書、.sshなどの隠しフォルダーは飛ばします。フォルダーを選んだ後の最初の索引作成は数百ファイルで数分、大きなダウンロードフォルダーで1時間ほどかかり、ソースからビルドすると、ほかのプログラムにJSON linesで検索結果を返せるdigupコマンドラインツールも一緒に作られます。公開された配布版は2026年10月の0.6.0と0.6.1でmacOSのDMGだけであり、WindowsとLinuxのビルドは公開配布なしでコードの中にだけあります。プロジェクトの評価は英語、ベンガル語、アラビア語だけを扱い、語の完全一致検索は中国語、日本語、タイ語のように分かち書きをしない言語を語に分けられません。
• yifanfeng97/Hyper-Extract
  Hyper-Extractは文書から事実と関係を抽出し、ナレッジグラフのような構造化データに変換するPythonライブラリで、he CLIとhe-mcpサーバーも提供しています。散らばった文書を検索や質疑応答に使える知識データに整理したい開発者や分析担当者向けのツールです。txtとmdファイルはそのまま読み込み、markitdownベースの追加インストール項目を入れるとPDF、DOCX、PPTX、XLSXも読み込めます。結果はリスト、集合、グラフ、ハイパーグラフ、時間グラフ、空間グラフ、時空間グラフ、文書コレクションといった構造で保存され、Obsidian、GraphML、CSV、JSON-LD、Cypherの形式に書き出せます。金融、法律、医療、産業などの分野別YAMLテンプレートと、GraphRAG、LightRAG、Hyper-RAG、KG-Genなどの抽出方式から選んで使います。抽出には、決まった形式で回答を受け取る呼び出し方式であるfunction callingに対応したLLMと、OpenAI互換のembeddingモデルの両方が必要です。プロバイダーのドキュメントによると、Anthropic、Gemini、DeepSeekは別のembeddingモデルと組み合わせる必要があり、Bailianのqwen-maxとdeepseek-v3はjson_object形式のみに対応するため使えません。文書ごとに出典と内容のハッシュを記録して変更された文書だけを再処理し、1つの文書に由来する内容だけを取り消すこともできます。he-mcpサーバーは読み取りと書き出しだけを行い、テンプレート一覧、情報表示、検索、質疑応答、書き出しのtoolを提供します。知識テンプレートの言語オプションは中国語と英語の2つで、フォルダーを指定するとその直下のファイルだけを読み、テキスト層のないPDFは先にOCRを通す必要があります。
• mongodb-developer/mongodb-jvm-showcase
  JavaとKotlin向けのMongoDB独立サンプルプロジェクト集です。ドライバー、フレームワーク、RAG、ベクトル検索の例を含みます。
• hydra-db/hydradb
  S3互換オブジェクトストレージにデータを保存し、OpenCypherクエリ、Bolt接続、HTTPS APIを提供するRust製の分散グラフデータベースです。クエリ処理ノードとインデクサーの計算役割を分離します。
• realZachi/pg-jev
  TypeSafeのJevが評価する自然言語の条件で行を絞り込み、順位付け、分類するPostgreSQL拡張です。生成された文章ではなく、返された確率を使います。

Trendshiftのランキングに入ったリポジトリだけを載せ、リストは候補を探すためだけに使いました。順位の数字は転載していません。説明、ライセンス、スター数は各GitHubリポジトリで確認しました。解説は私たちの判断です。これらを試験したわけではなく、上昇リストに載ったことは品質の証明ではありません。