Qdrant es un motor de búsqueda de similitud vectorial y una base de datos vectorial basado en Rust, con filtros por payload, para búsquedas semánticas y recomendaciones.
xerj-org/xerj
Motor de búsqueda local con IA que indexa automáticamente cualquier carpeta (código, documentos, registros, PDF) y ofrece la API de Elasticsearch, desarrollado en Rust.
Alternativa open source a:Elasticsearch
- Estrellas
- 8,758
- Forks
- 470
- Issues abiertos
- 86
- Último commit
- ayer
¿Qué es?
XERJ es un único binario de Rust que indexa una carpeta con un solo comando: `xerj autoindex <folder>`. Detecta automáticamente los tipos de archivo y crea un índice consultable por cada conjunto de datos. Admite código fuente (analizado con tree-sitter para conservar los símbolos y los números de línea), CSV, JSON, YAML, SQLite, PDF, documentos de Office, correo electrónico y archivos de registro, sin necesidad de definir un esquema ni crear un pipeline.
Está pensado para que los agentes de programación y los pipelines RAG puedan recuperar fragmentos exactos en lugar de leer archivos completos. La búsqueda admite texto completo BM25, búsqueda vectorial kNN y consultas híbridas a través de la API REST de Elasticsearch, por lo que los clientes existentes de Elasticsearch y Kibana pueden conectarse directamente. Un servidor MCP ofrece herramientas de búsqueda, memoria y grafos a clientes compatibles con MCP, como Claude Code y Cursor.
El embedder predeterminado es léxico y funciona sin conexión; el embedder neuronal es opcional y requiere descargar primero los archivos del modelo. El modo de desarrollo `--insecure` desactiva TLS y la autenticación, por lo que está pensado para una sola persona en una máquina local.
Funciones clave
- 01Indexa automáticamente una carpeta con un solo comando, detecta los tipos de archivo y crea un índice por conjunto de datos.
- 02Analiza el código fuente con tree-sitter y conserva los símbolos y los números de línea.
- 03Ofrece una API REST compatible con Elasticsearch, para que los clientes existentes y Kibana se conecten directamente.
- 04Admite búsqueda de texto completo BM25, búsqueda vectorial kNN y búsqueda híbrida en un mismo motor.
- 05Incluye un servidor MCP para agentes como Claude Code y Cursor.
- 06Se distribuye como un único binario estático, sin JVM, para Linux, macOS y Windows.
Casos de uso
- Permitir que un agente de programación busque funciones concretas en una base de código, en lugar de leer archivos completos.
- Crear sistemas RAG o de preguntas y respuestas sobre bases de código y documentos locales sin una base de datos vectorial aparte.
- Realizar auditorías de seguridad buscando patrones de sinks o secretos en todo un árbol de código fuente.
- Reemplazar una instalación autogestionada de Elasticsearch para analizar registros en una sola máquina.
Inicio rápido
- 1
Descarga e instala el binario
Instálalo siguiendo las instrucciones oficiales del README - 2
Inicia el servidor para desarrollo local (sin TLS ni autenticación)
xerj --insecure --data-dir ./data & - 3
Indexa la carpeta que quieras
xerj autoindex ~/my-project - 4
Ejecuta una consulta de búsqueda en la carpeta indexada
xerj search "how do we rotate the WAL segment"
Antes de usarlo
- La opción --insecure desactiva TLS y la autenticación con API key, por lo que solo es segura para una persona en una máquina de desarrollo.
- El modo de embeddings neuronales es opcional y descarga unos 90 MB de archivos de modelo.
Temas
Preguntas frecuentes
- ¿Qué es xerj?
- Motor de búsqueda local con IA que indexa automáticamente cualquier carpeta (código, documentos, registros, PDF) y ofrece la API de Elasticsearch, desarrollado en Rust. XERJ es un único binario de Rust que indexa una carpeta con un solo comando: `xerj autoindex <folder>`. Detecta automáticamente los tipos de archivo y crea un índice consultable por cada conjunto de datos. Admite código fuente (analizado con tree-sitter para conservar los símbolos y los números de línea), CSV, JSON, YAML, SQLite, PDF, documentos de Office, correo electrónico y archivos de registro, sin necesidad de definir un esquema ni crear un pipeline.
- ¿xerj es gratuito? ¿Qué licencia tiene?
- xerj es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿xerj sigue mantenido?
- Mantenimiento activo. El último commit de xerj fue el 19 oct 2026.
- ¿Para qué puedo usar xerj?
- Permitir que un agente de programación busque funciones concretas en una base de código, en lugar de leer archivos completos. Crear sistemas RAG o de preguntas y respuestas sobre bases de código y documentos locales sin una base de datos vectorial aparte. Realizar auditorías de seguridad buscando patrones de sinks o secretos en todo un árbol de código fuente. Reemplazar una instalación autogestionada de Elasticsearch para analizar registros en una sola máquina.
- ¿Cómo se instala xerj?
- Descarga e instala el binario Inicia el servidor para desarrollo local (sin TLS ni autenticación): xerj --insecure --data-dir ./data & Indexa la carpeta que quieras: xerj autoindex ~/my-project Ejecuta una consulta de búsqueda en la carpeta indexada: xerj search "how do we rotate the WAL segment"
- ¿Dónde consigo xerj?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/xerj-org/xerj
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Motor de búsqueda CLI local y en el dispositivo para notas Markdown, transcripciones de reuniones y documentación, que combina BM25, búsqueda vectorial y reordenamiento con LLM.
Sistema de memoria de IA local-first que almacena el historial de conversaciones íntegro y lo recupera mediante búsqueda semántica, disponible como servidor MCP y CLI.
Sistema de memoria para agentes que almacena, recupera y analiza recuerdos para que los agentes de IA aprendan con el tiempo, en lugar de limitarse a repetir el historial del chat.
Plataforma de chat con IA y gestión del conocimiento autoalojada que indexa datos de más de 50 aplicaciones conectadas y funciona con la mayoría de los proveedores de LLM.
Motor de memoria y contexto para aplicaciones y asistentes de IA, con una API única para memoria persistente, RAG, perfiles de usuario y conectores.