Traditionelle Volltextsuche verlässt sich auf exakte Keyword-Treffer. Wenn ein Benutzer nach “Authentifizierung” sucht, die Seite jedoch nur Begriffe wie “OAuth2” oder “Login” verwendet, schlagen Standard-Suchmaschinen fehl.
docmd bietet clientseitige Hybride Semantische Suche, angetrieben von @docmd/plugin-search. Sie führt lokale Hugging Face ONNX-Modell-Pipelines im Browser aus und kombiniert BM25-Schlüsselworthäufigkeit mit Vektor-Kosinus-Ähnlichkeit für natürliches Sprachverständnis ohne externe API-Aufrufe.
Konfiguration
Aktivieren Sie die semantische Suche in docmd.config.json:
{
"plugins": {
"search": {
"semantic": true,
"showConfidence": true
}
}
}
Embedding-Modell-Profile
| Modell-ID | Dimensionen | Größe | Sprachen | Primärer Anwendungsfall |
|---|---|---|---|---|
Xenova/all-MiniLM-L6-v2 |
384 | ~90 MB | Nur Englisch | Hochpräzise englische Dokumentation. |
Xenova/LaBSE |
768 | ~470 MB | 100+ Sprachen | Umfassende mehrsprachige Unterstützung. |
Xenova/paraphrase-multilingual-MiniLM-L12-v2 |
384 | ~220 MB | 50+ Sprachen | Empfohlene Balance für internationale Websites. |
Vektoren in CI/CD vorgenerieren
Generieren Sie Vektorindex-Häppchen vorab in den Build-Schritten, um die Browser-Ausführung zu beschleunigen:
# Semantische Such-Vektor-Chunks bauen
npx docmd-search --build
# Statische Website kompilieren
npx @docmd/core build
Dies gibt statische Vecto-JSON-Chunks nach .docmd-search/ aus.
Übergeben Sie .docmd-search/ an die Versionskontrolle oder cachen Sie es in CI/CD-Workflows. docmd-search führt inkrementelle Re-Indexierungen durch und schließt nachfolgende Builds in unter 300 ms ab.