夜雨聆风写在前面
你有没有过这种体验——面对一堆文档、技术方案、会议纪要，想找个具体内容的时候，Ctrl+F 根本不够用，关键词换了好几种都搜不到想要的？
我最近发现一个开源项目，叫 Doma，它做的事情很简单：让你像用 Google 一样搜自己的本地文档，而且用的是大模型的理解能力，不是简单的关键词匹配。
一个二进制搞定搜索
Doma 是用 Rust 写的，一个单文件二进制，丢到电脑里就能跑。它不需要你部署什么数据库、什么服务器，也不用配置什么 Docker，直接命令行启动就是。
核心逻辑是这样的：先把你的文档做索引（支持 Markdown、代码文件、文本文件），索引文件存在本地。然后你问问题的时候，它会用 LLM 理解你的问题，去索引里找最相关的内容。
不往外跑数据，所有东西都在本地——这是它和那些云端 AI 搜索服务最大的区别。
实测：搜技术文档有多爽
我自己试了一下。把它指向我平时的技术笔记目录，大概几千个文件吧。
索引过程很快，大概几分钟就搞定了。然后我试着问了几个问题：
• "之前那个 Kubernetes 集群故障的处理方案是什么？"
• "关于 Docker 网络模式的技术方案在哪？"
它真的能找到。不是关键词匹配，而是理解了我的问题语义，从一堆文档里把相关内容挖了出来。
而且它返回的不是简单的文件列表，是带上下文的摘要——直接告诉你这个文档讲了什么，哪个部分回答了你的问题。
适合谁用
• 开发者：自己的代码库、技术文档、issue 记录
• 产品/运营：大量的需求文档、会议纪要
• 研究人员：论文、笔记、资料库
Basically，只要你有大量文本需要检索，都可以试试。它对硬件要求也不高，普通笔记本就能跑。
写在最后
本地 AI 搜索这个方向，最近其实挺火的。之前有 AnythingLLM、Mem0 这些产品，但 Doma 的定位更轻量——不追求做个全能助手，就是解决"我的文档到底在哪"这个具体问题。
如果你也被文档检索折磨过，强烈建议试试。开源免费，部署简单，效果是真的香。
【关注「啸之乙戈」，行走江湖，技多不压身】
