你的个人知识搜索引擎：本地运行、全文可搜、隐私可控的浏览器历史与文件索引工具

Hister 是一款真正属于你自己的轻量级个人搜索引擎，它不依赖云端服务，也不上传你的浏览记录或文档内容——所有数据都留在你本地设备或私有服务器上。它帮你解决一个日常却长期被忽视的痛点：明明上周刚看过某篇技术文章、下载过某个配置文件、甚至在某个网页里复制过一段关键代码，但再想找时却怎么也翻不到。Hister 就是为此而生：把你的浏览器历史、已访问网页正文、本地文档（PDF/Markdown/TXT等）全部自动索引成可全文检索的知识库，让你像查维基百科一样秒级找回任何曾接触过的数字信息。

核心功能

自动捕获并全文索引网页内容：安装 Firefox 或 Chrome 扩展后，每次你打开新网页，Hister 会自动抓取页面 HTML 并提取纯文本（去除广告、导航栏等干扰），建立倒排索引——这意味着你不仅能搜“React useState”，还能搜到某篇教程里那句“useEffect 的清理函数会在组件卸载前执行”，哪怕这个短语从未出现在标题或 URL 中。
零配置启动即用的本地搜索服务：下载单个二进制文件（Linux/macOS/Windows 全平台支持），执行 ./hister listen 即可启动 Web 服务，默认监听 http://127.0.0.1:4433，无需数据库、无需 Docker、无需配置文件——对普通用户真正友好。
多终端统一搜索入口：既可通过美观的响应式 Web 界面交互式搜索，也能用命令行客户端（hister search "k8s pod status"）在终端快速获取结果；更独特的是，它原生支持 MCP（Model Context Protocol）协议，可直接接入 Cursor、Windsurf 等 AI 编程助手，让大模型实时调用你私有的知识库回答问题，而非依赖公网信息。
灵活的历史导入与主动爬取能力：不仅支持实时捕获新访问页面，还提供一键导入 Chrome/Firefox 历史记录（含时间戳和访问频次），并内置轻量爬虫（hister crawl https://example.com --depth=2），方便将公司内部 Wiki、个人博客或技术文档站批量纳入搜索范围。
字段化高级查询语法：支持类似 title:"Go generics" site:dev.to after:2023-01-01 的结构化搜索，可限定标题、域名、时间范围、文件类型（ext:pdf）、否定条件（-url:github.com），甚至设置别名（如将 py 映射为 ext:py OR ext:pyi），大幅提升专业用户的检索精度。
可选语义搜索增强：在启用本地或远程嵌入模型（如 Ollama 的 nomic-embed-text）后，Hister 能将查询和文档映射到向量空间，实现“找相似概念”而非仅匹配关键词——例如搜“如何优雅关闭 goroutine”，能命中讲 context.WithCancel 和 sync.WaitGroup 的不同文章，即使它们没出现完全一致的词组。
多用户隔离设计：当部署在共享服务器（如家庭 NAS 或 VPS）时，Hister 支持按用户划分索引空间和权限，每个用户只能看到自己浏览器扩展提交的内容和自己导入的文件，避免知识泄露，适合小团队或家庭协作场景。

技术亮点

Go 语言单体架构 + 零外部依赖存储：整个服务由单一 Go 二进制承载，索引数据默认使用内存映射文件（mmap）+ 自研轻量级倒排索引格式，无需安装 PostgreSQL/Elasticsearch 等重型依赖，极大降低部署门槛和资源占用（实测 10 万网页索引仅占约 800MB 内存）。
Web 前端与 Go 后端深度协同：前端采用 Vite 构建，通过 WebSocket 实时接收索引更新通知；后端则利用 Go 的高性能 HTTP 服务和并发模型处理高吞吐搜索请求，且提供完整的 API 文档（/docs/api），便于二次开发集成。
隐私优先的协议设计：浏览器扩展与 Hister 服务通信全程走本地 HTTPS（自签名证书），所有页面内容仅发送至你指定的 localhost 或内网地址；可选的语义搜索模块明确要求用户自行配置嵌入服务地址，项目本身不绑定任何第三方 API，彻底规避“隐私换便利”的陷阱。
MCP 协议原生支持：作为早期拥抱 MCP 标准的开源工具，Hister 不仅提供标准 JSON-RPC 接口，还实现了完整的工具注册、上下文流式传输和错误反馈机制，使 AI 助手能像调用本地函数一样精准调用你的私有知识，这是多数传统搜索工具不具备的前瞻性设计。

适合哪些人用

它特别适合三类人群：技术从业者（开发者、运维、数据分析师）——每天在无数技术文档、API 手册、Stack Overflow 回答间穿梭，Hister 能把你散落各处的“碎片知识”聚合成专属搜索引擎；研究型用户（学者、学生、产品经理）——需要反复查阅 PDF 论文、会议资料、竞品分析报告，全文检索比文件名搜索高效十倍；隐私敏感者（记者、律师、自由职业者）——拒绝将浏览轨迹交给商业搜索引擎，又不愿放弃高效检索体验。

真实场景举例：一位前端工程师用 Hister 导入了过去两年收藏的 500+ 篇 React/Vue 源码解读文章，某天遇到 useTransition 性能问题，直接在终端输入 hister search "useTransition render phase"，3 秒内定位到 3 篇含详细调用栈分析的博客；另一位独立开发者将公司内部 Confluence 文档导出为 HTML 后用 hister crawl 批量索引，从此在 Slack 里用 MCP 插件问 AI：“上次讨论支付失败重试逻辑的会议纪要里提到哪几种状态码？”，AI 立即返回精确段落。

快速上手

以 macOS/Linux 为例：

访问 GitHub Releases 页面下载对应平台的压缩包，解压后得到 hister 文件；
赋予执行权限：chmod +x hister；
启动服务：./hister listen（首次运行会自动生成配置目录 ~/.hister）；
打开 http://127.0.0.1:4433，点击右上角「Install Extension」按提示安装浏览器插件；
若需导入现有历史，运行：./hister import chrome --path ~/Library/Application\ Support/Google/Chrome/Default/History（路径按实际调整）。

全程无需编辑配置文件，5 分钟即可获得可用的个人搜索引擎。

同类对比 / 注意事项

相比 Recoll（老牌桌面全文检索）：Hister 更专注 Web 场景，自动捕获网页、支持现代搜索语法、提供 Web UI 和 MCP 集成，而 Recoll 侧重本地文件且界面陈旧；
相比 Meilisearch + 自建爬虫：Hister 开箱即用，省去搭建集群、配置 schema、编写爬虫脚本的复杂流程，更适合个人轻量需求；
注意事项：默认不索引图片/视频内容（仅提取文字），PDF 需确保系统已安装 pdftotext（macOS 可 brew install poppler）；语义搜索为可选功能，启用前务必确认嵌入服务的隐私政策；AGPLv3 协议要求修改后分发必须开源，企业商用需注意合规性。