› 看板 Soft_Job
作者galaxy4552 (無聞)
看板Soft_Job
標題[心得] 我做了一個輕量語義搜尋引擎
時間Wed Nov 19 09:00:56 2025
PipOwl：可嵌入任何 Python 專案的輕量語義搜尋引擎（核心約 10KB） PipOwl 是從我大型語義專案中抽離出來的 最安全、最不敏感、最容易被整合的一層。 它的定位是： 輕量語義搜尋引擎（Mini Semantic Engine） 純 Python 實作，不含 C/C++ 原生模組 額外依賴皆為常見 NLP 套件（numpy / sentence-transformers） 可用於 CLI / API / Chatbot / IME本地即時執行（接近輸入法候選速度） 適合做：語句相似度、意圖比對、快速原型開發 安裝方式：pip install pipowl GitHub：https://github.com/galaxy4552/Pipowl PyPI：pip install pipowl 如果你對中文語義系統、向量表示、或極簡的 semantic engine 有興趣，歡迎一起討論。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.136.167.188 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1763514061.A.5E0.html ※ 編輯: galaxy4552 (114.136.167.188 臺灣), 11/19/2025 09:09:45
推 oopFoo: all-MiniLM-L6-v2?有試過EmbeddingGemma-300m?現在中文那 11/19 09:33
→ oopFoo: 個embedding model是最推薦的？ 11/19 09:34
推 lchcoding: 上次-新酷鷹的事，有沒有後續...？ 11/19 10:36
→ galaxy4552: 我比較偏向做語義引擎 / pipeline 的研究 11/19 10:40
→ galaxy4552: 所以沒有大量 benchmark 各種模型。 11/19 10:41
推 Chricey: UC2是天然成分嗎？還是有添加物啊？ 11/19 10:41
→ galaxy4552: PipOwl 把 embedding layer 抽掉，想塞哪顆MODEL都行 11/19 10:41
→ galaxy4552: 回lchcoding 謝謝你記得 這個就是後續 目前還在開發 11/19 10:42
→ lchcoding: 理解，晚上看 11/19 10:59
→ DrTech: 依賴sentence-transformers，強調核心 10KB有意義嗎。 直 11/19 19:16
推 Chricey: UC2推薦？有人試過嗎？靠譜嗎？ 11/19 19:16
→ DrTech: 接用sentence-transformers不就好了。 11/19 19:16
→ DrTech: 認真看了一下，就是sentence-transformers再包一層，有必 11/19 19:18
→ DrTech: 要嗎。 11/19 19:18
→ DrTech: 預設模型，還是中文能力特別差的all-MiniLM-L6-v2，真的蠻 11/19 19:24
推 Chricey: UC2是啥東西？求解釋啦！ 11/19 19:24
→ DrTech: 外行，又多餘的套件。 11/19 19:24
→ DrTech: 結論：套殼 sentence-transformers。 11/19 19:27
→ galaxy4552: 其實 pipowl 的重點不在重造 Sentence-Transformers 11/19 19:31
→ galaxy4552: 本體還是用 sentence-transformers 沒錯 但我的目標是 11/19 19:32
推 Kroner: 剛開始吃UC2，期待 11/19 19:32
→ galaxy4552: 把整條 embedding pipeline （前處理、向量化 11/19 19:32
→ galaxy4552: normalization、top-k、API 統一化…） 11/19 19:33
→ galaxy4552: 都包成應用層能直接用的三行程式 11/19 19:33
→ galaxy4552: all-MiniLM-L6-v2 當預設只是demo用 不是核心設計 11/19 19:36
推 Chricey: 關節痛有沒有辦法完全根治啊？UC2聽起來像萬靈丹 11/19 19:36
→ galaxy4552: 謝謝你深挖 也很感謝你花時間看程式碼 11/19 19:42
→ galaxy4552: 速度這塊我自己實測過體感會比一般直接寫SBERT順很多 11/19 19:42
→ DrTech: 你把實務上需要根據需求，需要調整的部分，例如怎麼清洗文 11/19 19:43
→ DrTech: 字，相似度怎麼算，都包起來了，不能直接調整，確實很難用 11/19 19:43
推 Chricey: 關節痛這種東西，比鬼還可怕！ 11/19 19:43
→ DrTech: 。sentence-transformers 不封裝這些東西，就是為了實務上 11/19 19:43
→ DrTech: 方便調整。 11/19 19:43
→ DrTech: 如果是直接砍掉 sentence-transformers，從pytorch層級， 11/19 19:46
→ DrTech: 輕量封裝，取代sentence-transformers，對我會比較有幫助 11/19 19:46
推 Kroner: 關節痛就老人病 11/19 19:46
→ DrTech: 。 11/19 19:46
→ galaxy4552: 理解你的需求，這裡的定位真的不太一樣。 11/19 19:49
→ galaxy4552: pipowl-open 是做「開箱即用的語意搜尋」 11/19 19:49
→ galaxy4552: 目標是讓工程師不用碰到清洗、相似度公式 11/19 19:50
推 Kroner: 關節痛這種東西靠UC2就對了 11/19 19:50
→ galaxy4552: encode cache 等細節 快速把 SBERT pipeline 11/19 19:51
→ galaxy4552: 接進應用程式。 11/19 19:51
→ galaxy4552: 你說的那確實是另一種方向 pipowl 不是瞄準那一塊 11/19 19:53
→ galaxy4552: 定位不太一樣而已，完全理解你的 point 11/19 19:53
推 Kroner: 關節痛睡覺就能治了，吃什麼UC2 11/19 19:53
推 DrTech: 謝謝友善回應 11/19 19:54
→ galaxy4552: 您剛剛分析的細節，其實能感受到您真的很有能力。 11/19 19:57
→ galaxy4552: 我後面其實還有做一些更底層的向量技術 11/19 20:00
→ galaxy4552: 等更穩定後會開放 11/19 20:00
推 Kroner: 有人知道UC2和其他關節保健品的差異嗎？ 11/19 20:00
→ yunf: 講到關鍵字大神要從美國跳出來了 11/20 04:43