Qwen открыла бесплатный векторный поиск по коду: расход токенов у ИИ-агентов упал вдвое

Команда Qwen Developer выложила код в организации zvec-ai на GitHub. Инструмент появился на фоне роста агентных IDE (сред разработки с встроенными ИИ-агентами): Codex от OpenAI, Claude Code от Anthropic, Cursor. Все они тратят значительную часть бюджета вызовов на поиск по проекту. Когда обычный поиск по ключевым словам не находит нужный фрагмент, агент начинает подбирать термины, читать файлы целиком и собирать контекст вручную. Каждый такой «крюк» стоит вызовов, токенов и времени.

Один индекс и четыре способа искать

• Гибридный режим (по умолчанию) объединяет смысловой и лексический поиск: вы описываете поведение обычными словами, а zg сам решает, как лучше найти.
• BM25-поиск (флаг --fts) ранжирует результаты по точному совпадению терминов, как классический полнотекстовый поиск.
• Векторный поиск (флаг --vector) ищет по смысловой близости, без привязки к конкретным словам. Именно этот режим позволяет найти код, который делает нужное, даже если автор назвал переменные иначе.
• ripgrep (флаг --rg) выполняет точный или регулярный поиск по всем файлам и не требует индекса вообще.

Первые три режима читают индекс, который zg строит один раз и обновляет инкрементально. По данным публикации Qwen, индексация репозитория Django (3 457 файлов) на Apple M4 Pro занимает менее 30 секунд.

Как zg работает с ИИ-агентами?

Команда zg install автоматически находит на машине Codex, Claude Code, Cursor и OpenCode и подключает к ним локальный MCP-сервер (Model Context Protocol, протокол обмена контекстом между агентом и инструментами). Сервер работает только на локальном адресе 127.0.0.1:7999/mcp, данные не уходят наружу.

По умолчанию агент видит ровно два инструмента: один для смыслового поиска, другой для точного. Управление индексом (создание, удаление, статус) остаётся в командной строке. Расширенный набор из шести инструментов включается вручную, и, как указано в документации, агент не должен без ведома пользователя создавать, перестраивать или удалять индекс.

Всё работает на устройстве

Модель для векторного поиска по умолчанию, potion-code-16m-v2, это статическая модель с выходом 256 измерений. GPU (видеокарта) ей не нужна, потому что она использует табличный поиск по готовым векторам, а не тяжёлые вычисления. В каталоге документированы десять локальных моделей и три удалённых эндпоинта Qwen.

Удалённые модели заблокированы по умолчанию. Даже если вы настроите ключ доступа, передача данных требует отдельного разрешения: либо флаг --allow-remote для одной команды, либо подписанный грант на уровне проекта, который можно отозвать командой zg auth revoke.

Что показали тесты?

Qwen опубликовала результаты в своём анонсе (в самом репозитории раздел бенчмарков пока пуст). Оба теста построены как A/B: одинаковые агент, модель, промпт и ограничения, разница только в наличии индекса и MCP-инструментов zg.

• На выборке из 20 вопросов SWE-QA-Bench: вызовов инструментов сократилось более чем вдвое, входных токенов почти вдвое, оценка качества выросла на 1,50 балла.
• На 80 вопросах BrowseComp-Plus: точность поднялась с 98,67% до 99,00%, входные токены упали на 37,56%, вызовы на 43,52%, время работы агента на 38,58%.

Выборки в 20 и 80 вопросов невелики, а тесты проведены самим вендором, поэтому независимая проверка пока отсутствует.

Как попробовать?

1. Убедитесь, что установлен Node.js версии 22 или новее (macOS, Linux или Windows).
2. Установите пакет: npm install @zvec/zvec-grep.
3. Проиндексируйте проект: перейдите в папку репозитория и запустите zg index.
4. Подключите к агенту: выполните zg install, и zg сам найдёт поддерживаемые IDE на машине.

Есть ли аналоги в России?

Прямого российского аналога, который объединял бы векторный поиск, BM25 и ripgrep в одном CLI-инструменте для агентов, на момент публикации нет. YandexGPT и GigaChat предоставляют API для генерации текста и эмбеддингов (числовых представлений текста для поиска по смыслу), но не выпускали локальных инструментов поиска по коду с MCP-интеграцией. Для тех, кто работает с закрытыми проектами в РФ, zg интересен именно тем, что данные не покидают машину.

Частые вопросы

Нужна ли видеокарта для работы zg?

Нет. Модель по умолчанию (potion-code-16m-v2) использует статический поиск по таблице векторов, а не нейросетевые вычисления. GPU не ускорит её работу и не требуется для запуска.

Можно ли использовать zg в коммерческих проектах?

Да. Лицензия Apache 2.0 прямо разрешает коммерческое использование без ограничений.

Отправляет ли zg код на внешние серверы?

По умолчанию нет. Все вычисления и индексация идут на вашем устройстве. Удалённые модели Qwen требуют отдельного явного разрешения на каждую команду или проект, и это разрешение можно отозвать в любой момент.

Для русскоязычных разработчиков, которые работают с агентными IDE на закрытых проектах, zg решает конкретную задачу: быстрый и приватный поиск по смыслу без облака. Код открыт, попробовать можно за пять минут, а платить не нужно ни сейчас, ни потом.