semble
★ 4.5k
vs
wechat-local-mcp
★ 40
semble vs wechat-local-mcp
semble：Semble 是一个专为 AI 智能体设计的高性能代码搜索库，能够即时提供精确的代码片段。与基于 Transformer 的模型相比，它在索引和查询速度上显著更快，同时能达到 99% 的检索质量，并且完全在 CPU 上运行，无需外部依赖。；wechat-local-mcp：微信本地MCP是一个通过Model Context Protocol读取微信4.x聊天记录、联系人、群聊和媒体文件的本地数据服务器。它提供25个MCP工具，具有缓存优先索引和面向macOS和Windows的智能安装流程。适合Claude Code、Codex、Cursor等AI代理访问个人微信数据。
01
简评
选 semble 如果…通过快速准确的代码搜索能力增强 AI 智能体（如 Claude Code, Cursor, Codex）
选 wechat-local-mcp 如果…读取本地微信聊天记录、联系人、群聊、媒体文件和朋友圈
02
并排对比
03
功能特性
semble01在 CPU 上实现快速性能（索引约 250 毫秒，查询约 1.5 毫秒）
02高准确性（NDCG@10 达 0.854），媲美 Transformer 模型
03支持索引本地路径和远程 Git 仓库
04可作为 MCP 服务器供各种 AI 智能体使用
05零配置，无需 API 密钥、GPU 或外部服务
wechat-local-mcp01缓存优先索引，查询快速且自动检查新鲜度
0225个MCP工具，涵盖消息、联系人、群聊、朋友圈、转账、红包、搜索等
03通过release zip一键安装，提供代理友好的命令脚本
04支持macOS arm64和Windows amd64，无需关闭SIP
05全文搜索支持FTS（默认）和LIKE回退
04
使用场景
semble↳通过快速准确的代码搜索能力增强 AI 智能体（如 Claude Code, Cursor, Codex）
↳根据自然语言或代码查询，在本地或远程代码库中搜索特定的代码片段
↳根据给定的文件路径和行号，查找语义相似的代码段
wechat-local-mcp↳读取本地微信聊天记录、联系人、群聊、媒体文件和朋友圈
↳通过MCP让AI代理（Claude Code、Codex、Cursor）访问个人微信数据
↳搜索和导出微信聊天记录，用于分析或备份
05
适合场景
semble代码助手RAG / 知识库
wechat-local-mcp时下流行API 集成
FAQ
常见问题
semble 和 wechat-local-mcp 有什么区别？
semble 和 wechat-local-mcp 都属于 RAG / Knowledge Base 类别。semble 有 4.5k Stars，wechat-local-mcp 有 40 Stars。
semble 和 wechat-local-mcp 哪个更好？
最佳选择取决于你的具体需求。通过快速准确的代码搜索能力增强 AI 智能体（如 Claude Code, Cursor, Codex） 时选 semble，读取本地微信聊天记录、联系人、群聊、媒体文件和朋友圈 时选 wechat-local-mcp。
semble 是免费的吗？
是的，semble 在 GitHub 开源（MIT）。
wechat-local-mcp 是免费的吗？
是的，wechat-local-mcp 在 GitHub 开源（MIT）。
→