你三天前看过的那篇文章，Google 找不回来——Hister 把搜索引擎拆成两半

你三天前看过的那篇文章，Google 找不回来——Hister 把搜索引擎拆成两半

一个尴尬的日常

你坐在电脑前，努力回忆——三天前你看到过一篇关于"用 RL 训练小模型做工具调用"的文章，写得很好，你想再读一遍。

你打开 Google，输入几个关键词。结果页前 10 条都不是那篇。你换关键词，还是找不到。你翻浏览器历史——过去三天你访问了 847 个页面，Ctrl+F 搜"RL"，47 个匹配，没有一个对得上。

最后你只能问自己一个问题：我到底看没看过那篇文章？

这个场景的荒谬之处在于：Google 能帮你找到全世界任何一篇文章，却找不到你三天前亲自看过的那一篇。你的浏览器记录着你访问过的每一个 URL，但你没法从中检索出"那段你记得但记不全的内容"。

搜索引擎其实在做两件完全不同的事——发现（找到你不知道存在的东西）和记忆（找到你曾经看过的东西）。Google 把这两件事混在一起，用同一个 PageRank 索引服务两种需求。结果是：它既不是最好的发现工具（因为商业 SEO 污染），也不是最好的记忆工具（因为它不索引你看过的页面内容）。

asciimoo/hister 做的事情很简单：把搜索引擎的"记忆"功能拆出来，装进你的本地。

Hister 是什么

一句话：Hister 是一个只索引你看过的页面和本地文件的全文搜索引擎，跑在你自己的机器上。

它不是元搜索引擎（像 Searxng 那样把 Google/Bing 的结果聚合），也不是爬虫（不主动去抓全网）。它的工作模式是：

1. 你装一个浏览器扩展（Firefox/Chrome） 2. 你正常浏览网页 3. 扩展把你访问的页面全文发送到本地 Hister 服务 4. Hister 建立全文索引 5. 你用 Web UI、TUI、命令行或 MCP 客户端搜索这些内容

核心区别在于：Hister 索引的是"你看过什么"，Google 索引的是"全世界有什么"。

这个区别听起来微小，实际是两个完全不同的搜索问题。全网搜索需要处理数十亿页面、对抗 SEO、用 PageRank 这种链接分析来排序。个人搜索只需要处理你自己的几千到几万个页面，但需要全文索引（不只是标题和 URL）、支持短语查询、字段过滤、通配符。

Hister 的查询语法很直接：

• phrase search — 用双引号包起来找精确短语
• title:foo — 字段过滤，只在标题里找
• -exclude — 排除某个词
• *wildcard — 通配符匹配
• @alias — 给常用查询起别名

这些是个人搜索才会有的精细查询能力，Google 早就放弃了——因为全网搜索的规模做不了这种细粒度。

作者的谱系：从 Searxng 到 Hister

Hister 的作者 asciimoo 不是新手。他是 Searxng 的核心维护者之一——Searxng 是目前最流行的开源元搜索引擎，把 Google、Bing、DuckDuckGo 等几十个搜索引擎的结果聚合在一起，去掉追踪器，按相关性重排。

Searxng 解决的是"发现"层的问题——如何在不被追踪的前提下使用全网搜索。Hister 解决的是"记忆"层的问题——如何找回你曾经看过的内容。两个项目合在一起，构成了 asciimoo 对"搜索"这个问题的完整答案：

发现用 Searxng（不追踪的全网搜索），记忆用 Hister（本地的个人索引）。

这个分工的逻辑很清晰：发现需要全网规模，所以必须用别人的索引（Google/Bing），但可以用元搜索去掉追踪；记忆只需要个人规模，所以可以完全本地化，连云端都不需要碰。

MCP 支持：让 AI 助手查你的记忆

Hister 最有意思的设计是 MCP（Model Context Protocol）客户端支持。这意味着你可以对 Claude、Cursor 或任何支持 MCP 的 AI 助手说：

"我上周看过一篇讲 RL 训练小模型的文章，帮我找出来。"

AI 助手会通过 MCP 调用 Hister 的搜索接口，在你的个人索引里查找，返回匹配的页面。

这个场景揭示了 AI 助手的一个核心限制：它们没有"你的记忆"。 Claude 不知道你上周读过什么，不知道你的项目用的是什么框架，不知道你之前尝试过什么方案。所有这些上下文都需要你每次手动提供。

Hister + MCP 的组合，本质上是在给 AI 助手装一个"你的个人记忆"。AI 不再只是一个有通用知识的对话伙伴，而是一个能查你个人历史的助手——就像你问同事"我们上次那个 bug 是怎么修的？"一样自然。

这个方向和 supermemory、mem0 这些"AI 记忆引擎"有相似之处，但有一个关键区别：Hister 索引的是网页和文件内容，不是对话历史。 它不是在记你跟 AI 说了什么，而是在记你看过什么。这两个维度的记忆是互补的——对话历史记的是"你想了什么"，网页索引记的是"你看了什么"。

语义搜索：可选的，不是强制的

Hister 默认是全文检索（keyword-based），语义搜索是可选项。你需要自己配置一个 embeddings endpoint（可以是本地的 Ollama，也可以是 OpenAI 的 embeddings API），Hister 会把文档内容发送到这个 endpoint 生成向量，用于语义相似度搜索。

这个设计值得注意。大部分"AI 搜索"项目默认就是向量检索，把关键词检索当落后技术。但关键词检索有一个不可替代的优势：精确性。

当你搜一个专有名词（比如 "P(z)" 或 "Bitrot Protection"）时，向量检索可能返回"语义相近但不是这个词"的结果，而关键词检索能精确命中。反过来，当你搜"那个讲 RL 训练小模型的文章"时，关键词检索无能为力，向量检索能找到。

Hister 把选择权交给用户：默认用关键词（精确、快、零外部依赖），需要语义时再开。这比一刀切的方案更务实——大部分个人搜索场景，关键词就够了。

隐私哲学：不是藏东西，是拥有自己的记忆

Hister 的隐私设计很彻底：

• 零遥测：不发送任何使用数据
• 零云同步：数据只存在你的 Hister 服务器上
• 浏览器扩展只发送到你配置的 Hister 服务：除了下载 favicon，不与任何第三方通信
• 语义搜索的 endpoint 由你选择：可以是本地 Ollama，也可以是 OpenAI，但这是你主动配置的

这个设计背后的哲学值得说清楚。Hister 不是在说"你的浏览历史是秘密，需要藏起来"。它说的是一个更根本的问题：你的记忆应该归谁所有？

当你用 Google 搜索、用 Chrome 浏览时，你的"记忆"（浏览历史、搜索记录）归 Google 所有。Google 用它来训练模型、投放广告、训练 RankBrain。你得到的是"免费搜索服务"，失去的是对自己记忆的所有权。

Hister 的立场是：你的浏览历史是你的记忆，应该存在你控制的基础设施上。 这不是隐私 paranoia，是数据主权的常识。

技术实现：Go 单二进制

Hister 用 Go 写，编译成一个单一二进制文件。下载、chmod +x、运行，完事。没有 Docker、没有数据库、没有 Kubernetes。这种工程审美在 2026 年的"万物容器化"浪潮里反而显得清新。

Go 的选择也合理——个人搜索引擎需要：

• 低资源占用（不能吃掉用户机器的内存）
• 快速启动（不能像 Java 那样预热 30 秒）
• 跨平台编译（一个二进制覆盖 Linux/Mac/Windows/ARM64）
• 足够的并发能力（索引 + 查询 + 浏览器扩展通信）

Go 在这些维度上都是甜点。Rust 也行，但开发速度慢；Python 不行，部署太重；Node.js 不行，单二进制做不到。

Hister 解决不了的问题

诚实地说，Hister 不是银弹：

1. 它只索引你主动访问的页面——如果你只是扫了一眼标题没点进去，它不会索引 2. 它不索引付费墙后面的内容——如果你订阅了某篇文章但没装扩展，它也抓不到 3. 它需要你养成"开着 Hister 浏览"的习惯——如果你忘了开服务，那几天的浏览就没被索引 4. 多设备同步需要你自己搭共享服务器——不是开箱即用的云同步

这些限制是"本地优先"架构的必然代价。你换来的是：零订阅费、零数据外泄、零被广告商画像的风险。

搜索引擎的下一个十年

过去十年的搜索创新几乎全在"发现"层——RankBrain、BERT、MUM、SGE（AI 概览）。"记忆"层被完全忽视了，因为记忆不赚钱——你不能在"用户上周看过的文章"上投广告，那是用户自己的数据。

Hister 代表的是另一种可能：把记忆层从商业搜索引擎手里夺回来，做成开源工具，跑在本地，通过 MCP 和 AI 助手连接。

这个方向和"个人知识管理"（PKM）工具（Obsidian、Logseq、Notion）有交集，但定位不同。PKM 工具是让你主动整理知识，Hister 是让你被动积累索引。PKM 需要你养成写笔记的习惯，Hister 只需要你正常浏览网页。

从 Searxng 到 Hister，asciimoo 在做一件持续十多年的事：把搜索这个被 Google 垄断的能力，一块一块拆下来还给个人。 Searxng 拆的是"发现"，Hister 拆的是"记忆"。两件事都还没做完，但方向是对的。

---

项目地址：https://github.com/asciimoo/hister 在线 Demo：https://demo.hister.org/ 作者：asciimoo（Searxng 核心维护者） 协议：AGPLv3 语言：Go 今日 Stars：842（2026-09-18 GitHub Trending）