Habilite búsquedas semánticas instantáneas en su sitio de documentación con un cliente ligero de menos de 3KB. Sin dependencias de red ni costes de API.
Incorpore la búsqueda vectorial moderna directamente en sus documentos estáticos sin necesidad de servicios externos.
El tiempo de ejecución en el navegador es de menos de 3KB (gzipped). No requiere la descarga de pesos de modelos ni ejecuta redes neuronales—pura matemática para una puntuación híbrida instantánea.
Los embeddings se generan de forma local en tiempo de construcción con ONNX Runtime. El cliente utiliza una puntuación híbrida BM25 y similitud de coseno.
Combina la búsqueda rápida de palabras clave BM25 con la similitud de vectores para obtener la velocidad y relevancia de búsqueda definitivas.
Seleccione el modelo de embeddings perfecto adaptado al tamaño de sus documentos y sus idiomas.
| Modelo | Dimensiones | Tamaño | Idiomas | Ideal para |
|---|---|---|---|---|
| MiniLM L6 v2 ★ | 384 | ~23 MB | Solo inglés | Docs en inglés rápidos y generales |
| Multilingual MiniLM L12 | 384 | ~118 MB | 50+ idiomas | Documentación multiidioma i18n |
| Multilingual E5 Small | 384 | ~118 MB | 100+ idiomas | Amplia cobertura de idiomas |
| Multilingual MPNet Base | 768 | ~270 MB | 50+ idiomas | Mejor calidad multiidioma |
💡 Documentación multiidioma: Si su sitio web de documentación contiene múltiples idiomas (como inglés, chino, alemán, español, etc.), seleccione un modelo multiidioma usando docmd-search --settings. El modelo por defecto es solo para inglés y producirá una relevancia de búsqueda deficiente para otros idiomas. If your documentation website contains multiple languages (such as English, Chinese, German, Spanish, etc.), select a multilingual model using docmd-search --settings. The default model is English-only and will produce poor search relevance for other languages.
Un cliente en tiempo de ejecución ultra ligero (<5KB minificado) que se ejecuta completamente en el navegador utilizando un sistema de puntuación híbrido BM25 y similitud de coseno de vectores.
import * as Search from 'docmd-search/client'; // 1. Initialise and load index folder. // Batch 0 is loaded instantly for sub-millisecond search startup, // while remaining chunk batches load progressively in background. await Search.load('/.docmd-search', (loaded, total) => { console.log(`Loaded batch ${loaded}/${total}`); }); // 2. Query search using hybrid vector + keyword matching. const results = Search.search('authentication secure routes', 10); results.forEach(({ score, chunk }) => { console.log(`[${(score * 100).toFixed(0)}%] ${chunk.file}#${chunk.heading || ''}`); console.log(chunk.text); });
Construya su índice local y obtenga una vista previa de la relevancia de búsqueda en segundos.
$ npx docmd-search --build ✓ Loaded local vector model ✓ Generated static index: .docmd-search/index.json
Todo lo que necesita saber sobre la búsqueda semántica offline de docmd.
paraphrase-multilingual-MiniLM-L12-v2 que soporta más de 50 idiomas.showConfidence, cuando está habilitada, muestra el porcentaje exacto de similitud junto a cada resultado semántico, ayudando a los usuarios a comprender la relevancia de la búsqueda de forma visual.Únete a los desarrolladores que construyen documentación rápida y hermosa con docmd.