Obsidian 插件：KB Semantic Search

概述

KB Semantic Search 旨在解决 Obsidian 中中文笔记难以通过关键词精准匹配语义的问题。它通过调用本地运行的混合检索服务，将基于 bge-small-zh 模型的向量语义召回与 SQLite FTS5 全文关键词召回相结合，利用 RRF 算法进行融合排序。最终在插件面板中呈现高亮片段、来源标识及得分的结果卡片，点击即可直接跳转至对应笔记，实现从“搜词”到“搜意”的体验升级。

典型场景如查找“如何优化数据库性能”，即使笔记中未出现完全一致的短语，只要内容涉及相关概念，插件也能通过语义理解将其召回。另一个例子是搜索“项目复盘”，它能同时匹配到标题含“复盘”的笔记和正文中详细讨论“回顾总结”的文档，并通过融合排序将最相关的结果置顶，帮助用户快速定位核心内容。

相比仅依赖关键词的传统搜索，该插件的核心特色在于其混合检索机制，能显著降低中文分词带来的语义丢失问题。结果卡片不仅展示匹配片段，还明确标注结果来自向量、全文还是混合检索，并显示具体排名，让用户对搜索结果的置信度有直观判断。此外，插件支持按目录过滤，方便在大型知识库中缩小搜索范围，提升检索效率。

使用前需注意，该插件并非开箱即用，必须自行部署并启动监听在 127.0.0.1:8765 的本地 Python 检索服务，否则面板虽能打开但无结果。它仅支持桌面端，移动端无法访问本地回环地址。此外，插件本身不包含模型、不执行索引构建，也不向远程服务器发送数据，因此不适合希望完全离线且无需维护后端服务的用户，或主要使用移动端 Obsidian 的场景。