[开源自荐] 开卷考试 / 论文搜索神器 - 基于 Eembeddings 和 BM25 的 PDF 文件混合搜索软件

不管是开卷考试需要在几百页的 PPT 里瞬间定位知识点，还是写论文时需要在几十篇参考文献中寻找佐证，传统的 Ctrl+F 往往力不从心：

• 记不清确切关键词，搜不到内容。
• 语义相关但用词不同，直接被忽略。
• 搜出来几百个结果，还得一个一个点进去看。

为了解决这个问题，我开发了 Smart Search PDFs —— 一个基于语义向量（Embeddings）和 BM25 算法的本地化 PDF 混合搜索工具。

简单来说：它既能像 Google 一样理解你的语义，又能像 Ctrl+F 一样精确匹配关键词，而且全部在本地运行，无需 API Key，保护隐私。

项目地址： MrAMS/Smart-Search-PDFs

觉得不错的话就帮我点个 Star​吧～

它能做什么？

Smart Search PDFs 对 PDF 文档进行智能切分和向量化，支持以下搜索模式：

1. 混合搜索（智能推荐）： 结合了语义理解和关键词匹配。不仅能搜到字面一样的，还能搜到意思相近的。结果自动按相关度排序。
2. 语义搜索： 哪怕你输入的词文中没出现，只要意思对，就能搜到。（基于 Jina AI 的 Embeddings 模型）。
3. BM25 关键词： 经典的倒排索引算法，不仅是精确匹配，还能处理词频权重。
4. 多粒度切分（New）：

• 页面级：适合 PPT、幻灯片（搜出来是一整页）。
• 段落级：适合双栏论文、学术文章（搜出来是具体段落）。
• 固定长度：适合小说、长篇报告。

核心特性一览

• 所见即所得：搜索结果点击即达，右侧预览窗口自动裁剪白边，高亮显示搜索词。
• 结果可视化：使用彩色标签（精确、部分、语义、关键词）告诉你为什么这条结果被搜出来。
• 本地端侧：无需 GPU/API，使用 FastEmbed 和轻量级模型，CPU 也能流畅运行，无需 OpenAI API Key。
• 大文件支持：动态加载机制，几百页的文档滚动流畅不卡顿。