Kensaku 是一款开源的跨平台桌面搜索应用，解决传统文件名搜索无法触及文件内部内容的痛点。它将文件名匹配、文档全文检索、图像 OCR（光学字符识别）以及语义搜索整合在一个轻量级的启动器中，所有数据处理均在本地完成，不依赖云端服务。
- GitHub：https://github.com/yjid/kensaku
- 网盘：https://pan.quark.cn/s/4f073bb88705 提取码：DbX7
核心痛点与多维检索方案
在日常工作中，用户往往难以准确记忆文件名，但对文件内的具体内容或上下文留有印象。例如，一份保存为 notes-final-2.pdf 的数据库索引文档，或是一张包含 CUDA 错误信息的无命名截图。
Kensaku 允许用户直接输入记忆中的片段。系统会同步检索文件名、文件内部文本以及语义含义，并在结果中高亮显示匹配的词语，按回车即可直接打开目标文件。
核心功能与竞品差异
相较于市面上常见的文件名搜索工具，Kensaku 在本地化内容读取方面提供了更全面的覆盖，且完全免费并采用 MIT 许可协议。
- 全文检索：支持 PDF、DOCX、PPTX、XLSX、EPUB、纯文本、代码及日志文件，包含对中日韩（CJK）文本的解析。
- 图像 OCR：默认集成 PP-OCRv6 引擎读取图片内文本，无需额外安装系统依赖。用户也可在设置中切换至更高质量的 Indra 引擎（支持去斜与多脚本识别）或经典的 Tesseract。
- 自然语言时间过滤：支持使用“上周二”、“3天前”等自然语言进行时间维度的精准筛选，无需手动点击日期过滤器。
- AI 智能体集成：支持通过模型上下文协议（MCP）让 Claude 或 Cursor 等 AI 助手安全地搜索本地索引。
性能表现与资源占用
速度与低资源占用是该工具的设计重点。在 Linux 环境（8 vCPU, SSD）下对 10 万个文件的测试表明：
- 搜索延迟：热缓存状态下，文件名搜索平均耗时仅 1.3 毫秒（最佳 0.5 毫秒）。
- 内存占用：10 万个文件的文件名与元数据索引仅占用约 12 MB 内存。
- 增量索引：文件变更时仅更新受影响的部分，无需重新扫描整个磁盘。首次索引 101,101 个文件耗时 184 秒，峰值内存 183 MB；无变化时重新索引仅需 0.56 秒。
- Windows 表现：在 Windows 11 环境下，应用托盘空闲时私有内存约 20 MB，积极浏览结果时约 150 MB，隐藏窗口后内存会迅速释放。
启动器体验与隐私安全
- 交互设计：应用可隐藏于系统托盘，通过快捷键随时召唤。支持空格键快速预览 PDF、图像和文本内容，提供网格或列表布局及完整的键盘导航。
- 隐私边界：无账户体系、无遥测数据收集、无云端搜索。索引数据仅存储在操作系统的本地配置目录中。
- 安全机制：默认跳过隐藏文件和常见构建文件夹，并自动排除
.pem、.key等敏感凭据文件。每个文件的处理均设有时间与大小上限，防止异常文件阻塞索引进程。
安装与 AI 智能体（MCP）配置
Kensaku 提供 Windows（.exe/.msi）、macOS（Universal .dmg）和 Linux（.AppImage/.deb/.rpm）的预编译包。由于构建尚未进行商业代码签名，首次运行时操作系统可能会提示安全警告，属正常现象，允许运行即可。
若需接入 AI 智能体，可通过 MCP 客户端指向其命令行工具：
{
"mcpServers": {
"kensaku": { "command": "kensaku-cli", "args": ["mcp"] }
}
}对于 HTTP 客户端，可运行 kensaku-cli serve。该服务仅监听本地回环地址，并要求提供存储在配置目录中的 bearer token。此设计确保智能体仅具备只读权限，且文件内容仅作为数据返回，绝不作为执行指令。
