Obsidian语义搜索：无向量数据库的本地向量索引工作原理

Vault Audit AI 的作者，一个 Obsidian 社区插件，添加了语义搜索以解决笔记中全文搜索的局限性。该插件允许用户根据含义搜索笔记，而不仅仅是精确匹配单词。索引存储在 Obsidian 仓库内部，无需外部向量数据库或服务器。该系统的工作原理是将 Markdown 笔记分块，用模型对每个块进行嵌入，并将向量存储在自定义的 LocalVectorStore 中。分块器遵循自然文档边界，如标题和列表，并维护元数据，如标题路径、内容哈希和源偏移量。嵌入提供商包括 OpenRouter、兼容 OpenAI 的 API 和 Ollama，所有这些都位于一个通用接口后面。LocalVectorStore 使用清单和二进制文件存储向量，通过原子写入确保一致性。增量索引比较元数据和内容哈希，以避免重新计算未更改块的嵌入。作者强调了组件分离的重要性，并提到了在测试通过后仍被捕获的异步竞态问题的挑战。