sirchmunk
modelscope/sirchmunk加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
凌晨两点，你接手了一个新项目。面对的是：上百 GB 的 PDF 文档、Word 报告、CSV 数据表、代码仓库——全都是"有用的信息"，但散落在硬盘的各个角落里。你知道自己需要的答案就在里面，可就是找不到入口。
这就是传统 RAG 系统想要解决的问题：让文件自己开口说话。
但传统 RAG 有一个根本性缺陷——它依赖向量数据库来索引你的文件。这意味着什么？每次新增或修改文件，都需要重新跑一遍向量索引。索引过程耗时数小时，消耗大量算力，而且向量一旦生成，数据变了，索引就"过时"了。你不是在实时获取知识，而是在不断追赶数据的快照。
Sirchmunk 提出了一个截然不同的思路：不做向量索引，直接在原始文件上检索。
Sirchmunk 这个名字来自松鼠（squirrel）的变体——松鼠会不断囤积、分类、复用自己收集的橡果。项目的核心理念也是如此：知识不是一次性的查询结果，而是可以被积累、复用、持续进化的资产。
该项目由 ModelScope（魔搭）团队 开发，2025 年 12 月底发布首个版本，目前已有超过 1330 颗 GitHub Stars，是一个活跃在 Apache-2.0 协议下的开源项目。
传统 RAG 的工作流程是：文件 → 切块 → 向量化 → 存入向量数据库 → 查询时做相似度匹配。这整套流程的每一个环节都有开销。
Sirchmunk 采用了**多层级关键词递进检索（Multi-level Keyword Cascade）**策略：
整个过程只需 2-5 次 LLM 调用，耗时 2-5 秒，比传统 RAG 的 10-30 秒快了一个数量级。
Sirchmunk 最具创新性的设计是自进化知识集群（Self-Evolving Knowledge Clusters）。
每次搜索都会生成一个结构化的知识单元（KnowledgeCluster），这个集群包含：提取的证据、相关的查询、置信度评分（hotness）等元数据。下次搜索时，系统会先检查已有的知识集群：
这就形成了一个正向飞轮：搜索越多，知识越丰富，后续搜索越快越准。
v0.0.9（2026 年 7 月） 还引入了知识进化框架（Knowledge Evolution Framework）：搜索后自动对知识图谱进行组织、合并和精炼，支持基于社区的元集群路由优化，显著降低每次查询的计算开销。
Sirchmunk 支持超过 100 种文件格式，通过以下模块处理不同类型的数据：
搜索范围可以覆盖本地文件系统、Web 以及通过 MCP 协议接入的外部数据源。
Sirchmunk 提供了 5 种使用方式，满足不同场景：
| 接口 | 说明 |
|---|---|
| Web UI | Next.js + Tailwind CSS 构建的图形界面，部署后访问 localhost:8584 |
| CLI | sirchmunk init / serve / search / web / mcp 等命令 |
| REST API | FastAPI 提供 POST /api/v1/search/stream SSE 流式搜索接口 |
| WebSocket | 支持实时双向通信 |
| MCP Server | Model Context Protocol 服务端，可与 Claude Desktop、Cursor IDE 集成 |
如果你选择 Docker 方式，只需要三步：
# 方式一：推荐（自动构建镜像）
python docker/build_image.py
docker compose -f docker/docker-compose.yml up -d
# 方式二：手动构建
python docker/build_image.py --dry_run 1
docker compose up -d --build
纯 pip 安装同样简洁：
pip install sirchmunk[all]
sirchmunk init
sirchmunk serve
硬件需求非常友好：CPU 为主，推荐 2 核 4GB RAM，无需 GPU。相比动不动就要 24GB 显存的向量数据库方案，这个门槛几乎为零。
Sirchmunk 并非银弹，以下场景需要谨慎评估：
Sirchmunk 带来的是一个范式级别的变化：从"预先索引、再查询"的批处理模式，走向"直接在原始数据上实时检索"的无索引模式。知识集群机制让系统具备了真正的"学习"能力——不是存储更多数据，而是通过复用让已有知识的价值不断叠加。
对于个人知识管理、本地代码库问答、小团队文档助手等场景，Sirchmunk 提供了一个零基础设施、低硬件门槛、快速上手的优质选择。随着知识集群的积累，它会变得越来越懂你的数据。
📦 GitHub: https://github.com/modelscope/sirchmunk
🌐 文档: https://modelscope.github.io/sirchmunk-web/
📄 论文: https://arxiv.org/pdf/2608.16185