7.3
深览指数
产品人人都是产品经理·瑞叔··AI 生成
AI 找文件太慢？不是你该换工具，是你该建索引
针对AI工具在处理大量本地文件时遍历效率低下的问题，作者提出解决方案不是寻找更强大的AI工具，而是为本地文件建立索引。文章分享了作者借鉴开源工具DocGraph的理念，绕过其复杂的编译依赖，用Python标准库+SQLite自建轻量级索引系统的实践过程。最终仅用3个文件实现了对9万+文件的毫秒级查询，并总结了“先调研、三次失败即换方案、简单优于完美”等可复用的方法论。适合被本地文件管理困扰的AI工具重度用户阅读。原文 ↗
核心观点
- ▍解决AI工具在本地文件管理中效率低下的核心方法不是更换更强大的AI工具，而是为本地文件建立索引，从根本上改变数据的组织方式。
- 01作者在E盘有9万多个文件，使用Claude Code或Codex时，AI需要遍历所有文件，导致查找一个文件需要等待几十秒甚至失败。
- 02作者调研了Obsidian、DocGraph、Cortex、Graphify等方案，发现DocGraph思路最对路，但因其编译依赖（better-sqlite3）无法安装而放弃。
- 03最终方案是使用Python标准库（os.walk, sqlite3）扫描目标目录，将文件名、路径、大小、时间等元数据存入SQLite数据库，实现零外部依赖。
- 04首次扫描包含790个文件、156个目录的目标目录耗时十几秒，之后所有查询响应时间从几十秒降至毫秒级。
- 05作者曾尝试通过MCP集成实现AI直接调用，但因VS Code的MCP配置在调试过程中多次变更而放弃，最终选择直接使用Python脚本。
反方 / 局限
- — 该方案仅索引文件元数据（文件名、路径等），不涉及文件内容语义搜索，无法回答“帮我找一下讨论XX策略的文档”这类基于内容的问题。
- — 索引需要手动触发更新，无法实时反映文件系统变化（如新增、删除、重命名），存在数据不一致的窗口期。
- — 作者承认“安装失败三次就换方案”是其个人经验法则，对于有更强技术能力或不同依赖环境的用户，原版DocGraph可能是更完整的选择。
6 分钟 · 3 卡片 · 9 资料
读原文 →