使用向量数据库实现高效的相似性搜索，适用于构建语义搜索、实现最近邻查询或优化检索性能

使用Exa API进行语义搜索、相似内容发现和结构化研究

精通向量数据库、嵌入策略与语义搜索实现，熟练掌握Pinecone、Weaviate、Qdrant、Milvus和pgvector，应用于RAG系统、推荐系统等场景

基于向量的命令行工具，支持语义文件搜索，具备Claude/Codex能力

设置并运行 OpenViking MCP 服务器以支持 RAG 功能，适用于需要通过 Model Context Protocol 向 Claude Desktop/CLI 或其他 MCP 客户端提供语义搜索和文档问答的场景。当用户请求涉及 OpenViking MCP、RAG 服务器或语义搜索 MCP 配置时触发。

AI代理的持久语义记忆层，采用本地优先存储（SQLite + LanceDB）与Ollama嵌入。跨会话存储与召回事实、决策、偏好、事件和关系。支持记忆衰减、去重、五种类型化记忆、七类图关系、代理/用户作用域、语义搜索、上下文感知召回、文本自动抽取（规则/LLM/混合）、导入导出、REST API和MCP协议。解决上下文窗口和压缩遗忘问题。服务运行于localhost:3400，仪表盘位于/dashboard。通过npm安装（engram-memory），需搭配Ollama及nomic-embed-text模型。

本地arXiv论文管理工具，支持语义搜索。自动抓取arXiv分类、下载PDF、分块内容，并使用FAISS与Ollama嵌入进行索引。无需云API密钥，全部在本地运行。

通过OpenViking上下文数据库MCP服务器实现RAG和语义搜索，支持查询文档、搜索知识库、将文件或URL添加至向量内存，适用于文档问答、知识管理、AI代理记忆、文件检索和语义检索。触发词包括：openviking、search documents、semantic search、knowledge base、vector database、RAG、query pdf、document query、add resource

语义引文搜索，源信息透明。按含义而非关键词查找引文。