semble
★ 4.5k
vs
Matryoshka
★ 138
semble vs Matryoshka
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。；Matryoshka：Matryoshka（RLM）通过递归语言模型方法解决了 LLM 固定上下文窗口的限制。不同于分块或 RAG，LLM 输出称为 Nucleus 的受约束符号语言命令，由 Lattice 逻辑引擎执行。这减少了熵，实现了安全执行，并通过基于句柄的存储节省了 97% 的令牌。
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 Matryoshka 如果…文档分析：对大型日志文件进行搜索、过滤、计数和求和
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
Matryoshka01基于论文的递归语言模型（RLM）架构
02Nucleus DSL：受约束的 S 表达式语言，确保 LLM 输出安全
03Lattice 引擎：解析器、类型推断、约束解析器和求解器
04基于 SQLite FTS5 的内存句柄存储，节省 97% 的令牌
05基于 Tree-sitter 的代码感知查询，支持结构符号
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
Matryoshka↳文档分析：对大型日志文件进行搜索、过滤、计数和求和
↳代码分析：提取函数、类，查找源代码中的引用
↳大规模数据查询，无需超出 LLM 上下文限制
05
适合场景
semble代码助手RAG / 知识库
Matryoshka时下流行RAG / 知识库
FAQ
常见问题
semble 和 Matryoshka 有什么区别？
semble 和 Matryoshka 都属于 RAG / Knowledge Base 类别。semble 有 4.5k Stars，Matryoshka 有 138 Stars。
semble 和 Matryoshka 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，文档分析：对大型日志文件进行搜索、过滤、计数和求和 时选 Matryoshka。
semble 是免费的吗？
是的，semble 在 GitHub 开源（MIT）。
Matryoshka 是免费的吗？
是的，Matryoshka 在 GitHub 开源。
→