Zed 的 PDF 搜索

一个 Zed 的文档搜索扩展，允许你对 PDF 文档进行语义搜索，并将结果用于 Zed 的 AI 助手。

前提条件

此扩展目前需要：

1. 一个 OpenAI API 密钥（用于生成嵌入向量）
2. 你的系统上安装了 uv

注意： 虽然当前的设置需要 OpenAI API 密钥来生成嵌入向量，但我们计划在未来的版本中实现一个独立的替代方案。社区的反馈将有助于确定这些改进的优先级。

快速开始

1. 克隆仓库

git clone https://github.com/freespirit/pdfsearch-zed.git

2. 为 MCP 服务器设置 Python 环境：

cd pdfsearch-zed/pdf_rag
uv venv
uv sync

3. 在 Zed 中安装 Dev Extension

4. 构建搜索数据库

cd /path/to/pdfsearch-zed/pdf_rag

echo "OPENAI_API_KEY=sk-..." > src/pdf_rag/.env

# 这可能需要几分钟，具体取决于文档的大小
# 你可以提供多个文件和目录作为参数。
#  - 文件将被分块。
#  - 目录将被视为包含块的文件。
#    例如，它们不会被进一步分割。
uv run src/pdf_rag/rag.py build "file1.pdf" "dir1" "file2.md" ...

5. 配置 Zed

"context_servers": {
    "pdfsearch-context-server": {
        "settings": {
            "extension_path": "/path/to/pdfsearch-zed"
        }
    }
}

用法

1. 打开 Zed 的 AI 助手面板
2. 输入 /pdfsearch，后跟你的搜索查询
3. 该扩展将搜索 PDF 并将相关部分添加到 AI 助手的上下文中

未来改进

• [x] 独立的向量存储
• [ ] 独立的嵌入向量
• [ ] 首次运行时自动构建索引
• [ ] 可配置的结果大小
• [x] 支持多个 PDF
• [x] 可选：支持 PDF 以外的其他文件格式

项目结构

• pdf_rag/: 基于 Python 的 MCP 服务器实现
• src/: Zed 扩展代码
• extension.toml 和 Cargo.toml: Zed 扩展配置文件

已知限制

• 首次使用前需要手动构建索引
• 需要外部服务 (OpenAI)