Activez une recherche sémantique instantanée sur votre site de documentation avec un runtime de navigateur ultra-léger de moins de 3 ko. Sans dépendance réseau ni coûts d'API.
Ajoutez la recherche vectorielle moderne directement dans vos documents statiques sans aucun service tiers.
Le runtime du navigateur fait moins de 3 ko (gzippé). Il ne télécharge aucun poids de modèle et n'exécute aucun réseau neuronal — uniquement de l'arithmétique pure pour un scoring hybride instantané.
Les embeddings sont générés localement au moment du build avec ONNX Runtime. Le client utilise un score hybride BM25 et une similarité cosinus.
Combine la recherche rapide par mots-clés BM25 avec la similarité vectorielle pour une pertinence et une vitesse de recherche ultimes.
Sélectionnez le modèle d'embeddings parfait et adapté à la taille de vos documents et à vos langues.
| Modèle | Dimensions | Taille | Langues | Idéal pour |
|---|---|---|---|---|
| MiniLM L6 v2 ★ | 384 | ~23 MB | Anglais uniquement | Docs en anglais rapides et généraux |
| Multilingual MiniLM L12 | 384 | ~118 MB | 50+ langues | Documentation multi-langues i18n |
| Multilingual E5 Small | 384 | ~118 MB | 100+ langues | Large couverture linguistique |
| Multilingual MPNet Base | 768 | ~270 MB | 50+ langues | Meilleure qualité multilingue |
💡 Documentation multilingue : Si votre site de documentation contient plusieurs langues (comme l'anglais, le chinois, l'allemand, l'espagnol, etc.), sélectionnez un modèle multilingue avec la commande docmd-search --settings. Le modèle par défaut est en anglais uniquement et donnera une pertinence de recherche médiocre pour les autres langues. 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 runtime client ultra-léger (<5 Ko minifié) qui s'exécute entièrement dans le navigateur à l'aide d'un système de notation hybride combinant BM25 et similarité cosinus vectorielle.
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); });
Construisez votre index local et visualisez la pertinence de recherche en quelques secondes.
$ npx docmd-search --build ✓ Loaded local vector model ✓ Generated static index: .docmd-search/index.json
Tout ce que vous devez savoir sur la recherche sémantique hors ligne de docmd.
paraphrase-multilingual-MiniLM-L12-v2 qui prend en charge plus de 50 langues.showConfidence, lorsqu'il est activé, affiche le pourcentage exact de pertinence à côté de chaque résultat sémantique, aidant les utilisateurs à visualiser facilement la pertinence.Rejoignez les développeurs qui construisent des documentations rapides et belles avec docmd.