Simple File Vector Store
基于向量嵌入的本地文件语义搜索工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Simple File Vector Store。 它的用途是：基于向量嵌入的本地文件语义搜索工具 完整的 Skill 内容见：https://321skill.com/skills/simple-file-vector-store/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“在我的项目文档里找一下关于‘用户认证方案’的讨论。”，它会通过此Skill在您本地的文档目录中进行语义搜索，找出所有涉及用户认证、登录、权限等概念的相关段落和文件，并返回给您。或者，当您写论文时说：“帮我查查本地文献库中关于‘注意力机制’的早期论述。”，它能快速定位到您收藏的PDF或笔记中的相关章节。
介绍
这个Skill解决了在大量本地文件中难以快速、精确找到所需信息的问题。传统的关键词搜索在面对复杂概念、同义词或模糊查询时常常失效，导致信息检索效率低下。
它通过将文件内容转换为向量嵌入（embeddings），并存储在本地向量数据库中，从而实现语义级别的搜索。用户只需用自然语言描述需求，系统就能理解查询意图，并返回语义上最相关的文档片段，而不仅仅是包含相同词汇的结果。
它非常适合需要频繁查阅本地文档库、代码库或研究资料的角色，如开发者、数据分析师和学术研究者。他们经常需要从海量文件中定位特定概念、技术细节或历史决策。
使用建议：建议先对核心文档库进行一次性向量化处理，后续可增量更新。注意，其搜索效果依赖于嵌入模型的质量和文本分块的合理性，对于高度结构化数据（如数据库表格）或非文本文件（如图片）的支持可能有限。
核心特点
核心区别在于它是一个专注于本地文件语义搜索的MCP服务器，无需将敏感数据上传至云端，直接在本地完成向量化和检索，兼顾了智能搜索与数据隐私安全。与同类工具相比，它更轻量，易于集成到现有的AI助手工作流中，实现无缝的文档查询体验。
注意事项
不适合需要实时更新、处理非文本文件（如图像、音频）或进行复杂数值计算的场景。
常见问题
支持哪些文件格式？
主要支持文本文件，如.txt, .md, .pdf, .docx等，具体取决于底层解析库。
数据存储在本地安全吗？
是的，所有向量嵌入和原始文本处理均在本地完成，数据不会离开您的计算机。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/simple-file-vector-store/raw/index.md 读取 Simple File Vector Store 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/simple-file-vector-store/raw/index.md（查看排版版本）