codesight (Camilojourney)

CodeSight

人工智能驱动的文档搜索引擎——混合BM25+向量+RRF检索，可插拔LLM答案合成。

快速开始

# Install
pip install -e ".[dev]"

# Index a folder of documents
python -m codesight index /path/to/documents

# Search (hybrid BM25 + vector)
python -m codesight search "payment terms" /path/to/documents

# Filter by file type
python -m codesight search "auth" /path/to/code --glob '*.py'

# Ask a question (requires LLM API key — see Configuration)
python -m codesight ask "What are the payment terms?" /path/to/documents

# Machine-readable output
python -m codesight search "query" /path --json

# Check index status
python -m codesight status /path/to/documents

# Launch the web chat UI
pip install -e ".[demo]"
python -m codesight demo

Python API

from codesight import CodeSight

engine = CodeSight("/path/to/documents")
engine.index()                                     # Index all files
results = engine.search("payment terms")           # Hybrid search
answer = engine.ask("What are the payment terms?") # Search + LLM answer
status = engine.status()                           # Index freshness check

支持格式

建筑

• 文档解析：PDF、DOCX、PPTX文本提取，带有页面/部分元数据
• 分块：语言感知正则表达式拆分（代码）+段落感知拆分（文档）
• 嵌入: all-MiniLM-L6-v2 通过语句转换器（本地，无API密钥）
• 向量存储：LanceDB（无服务器，基于文件）
• 关键词搜索：SQLite FTS5侧车
• 检索：混合BM25+矢量与RRF合并
• 答案综合：可插拔LLM后端（Claude、Azure OpenAI、OpenAI、Ollama）

看 建筑.md 进行完整的系统浏览。

配置

看 .env.示例 对于所有选项。

堆栈

• Python 3.11+
• LanceDB+SQLite FTS5
• 句子变换器
• 人类克劳德API/Azure OpenAI/OpenAI/Ollama
• Streamlit（网络聊天用户界面）
• pymupdf、python-docx、python-pptx（文档解析）