人工智能搜索引擎本地部署后端MCP 服务【免费下载链接】xerjXERJ is the new way for AI to search data. Its autoindex capability activates agents to know your data without the token waste of grep and sed. One command indexes code, docs, logs and PDFs for search, RAG, security audits and agent memory, using 40x fewer tokens than grep. Elasticsearch compatible, so existing clients just work.项目地址https://gitcode.com/GitHub_Trending/xe/xerj点击查看免费下载本篇以 user-feedback/kibana/categories/06-sharing-and-export/README.md 为主体拆解 xerj 仓库中 Kibana 用户反馈语料库的一个反馈类别文件它统计了什么、由哪条流水线生成、条目按什么规则落入分享与导出这个类别以及这些数字如何被 themes/design-inputs.md 等下游文件消费转化为 xerj 自身的功能取舍。读完后你可以独立复现该类别文件的生成过程并看懂其中每一列数字的准确含义。一、这个文件是什么一个反馈类别的自动统计页user-feedback/kibana/目录是 xerj 维护的一份可复现的 Kibana 真实用户反馈语料库。按 user-feedback/kibana/README.md 的口径15,282 条 artifact、5 个来源、17 个类别、最近一次刷新为 2026-04-14。这份语料被 xerj 用作决定 xerj 应该做和不该做什么的输入。整个目录的产物分为三层层位置内容原始层user-feedback/kibana/sources/每个来源一个目录内含raw.jsonl采集器写入与enriched.jsonl分类器追加category/sentiment/tags后回写类别层user-feedback/kibana/categories/每个类别一个目录内含README.md统计页即本文主体pointers.jsonl指向原始条目的投影主题层user-feedback/kibana/themes/top-pains.md负面条目合辑、top-asks.mdGitHub 高热度功能请求、cross-source-clusters.md、design-inputs.md直接对接产品决策06-sharing-and-export/README.md就位于类别层。它由 user-feedback/kibana/pipeline/stats.mjs 生成每次运行node pipeline/stats.mjs都会整页重写——文件里没有任何手工维护的内容。页面结构固定为四块类别标题与总量行291 items · negative 72 · neutral 179 · positive 40指针文件指引pointers.jsonl及原始正文所在路径sources/src/enriched.jsonlTop 20 by score表按原帖热度分排序的前 20 条Top tags表该类别内 tag 词频 top 12。这里有一个容易被误读的口径细节291 items指的是主分类category 06-sharing-and-export的条目数。而pointers.jsonl实际包含 815 行——我在仓库中逐行核验291 行是主分类指针另有 524 行带有_secondary: true标记是那些主分类落在别处、但次分类命中本类别的条目。pipeline/classify.mjs 的注释也明确了这一点每个 artifact 有一个主分类 最多三个次分类次分类同样会写进指针文件并打上_secondary标记。因此291与815 行指针并不矛盾读统计页时以主分类数为准。二、本页统计快照的完整解读Top 20 by score本页核心内容原文档的 Top 20 表完整收录如下source 列按stats.mjs的规则截断到 6 个字符原始表中的 URL 列不在此复现每条目的规范链接保存在pointers.jsonl对应的enriched.jsonl记录的source_url字段中#SourceScoreTitle1github372Export Documents as CSV2stacko43Kibana - how to export search results3discou25Kibana login broken after trying to enable reporting. You do not have permission to access the requested page message…4github25Painless as a JSON-friendly templating language5reddit22Tech stack around Kubernetes6github21Timepicker as part of embedded dashboard7stacko16TOO_MANY_REDIRECTS error when iFraming Kibana dashboard using cookies8github11Allow for cookiesSameSiteattribute to be configurable9github10[Reporting] Full data table content must be contained in the pdf generated10reddit10[Advice] 4.6 yrs in Telco (SRE/App Support/OPS) Is 75k-90k asking salary too …11discou9The reporting job failed Error: Max attempts (3) reached for job X. Failed with…12hacker9Elasticsearch and Kibana for Selenium Automation: Real-Time Reporting13reddit9Im quite new to Elastic, we some MSS clients we manage their logs. They all ha…14reddit9Facing problems with ELK stack: keep pushing on or find something simpler for o…15stacko9logstash: multiple logfiles with different pattern16github8Url shortening17stacko8Angular encodes url in ng-src and replaces / with %2F and ?…18stacko8Authenticating embedded Kibana iframe with AWS Cognito19discou7Generate PDF url broken in 5.4?20discou7Configure Kibana logging.quiet标题中的省略号是stats.mjs的trim(it.title, 80)截断行为80 字符后加…pointers.jsonl中则保留截断到 160 字符的标题。Score是原平台热度GitHub reactions、SO 票数、HN points 等不是xerj 自己打的分——user-feedback/kibana/SCHEMA.md 中score字段定义即为Upvotes / reactions / HN points。Top tags in this categoryTagCountpdf-export8csv-export6license5saved-objects2discover1slow-dashboard1apm1alerting1ml1pdf-export与csv-export高居前两位正是这个类别分享与导出主题的直接体现license排第三则反映了 Kibana reporting 功能长期受许可证platinum/paywall限制的争议——后文第五节会给出语料中的原始证据。来源分布主分类口径对 291 条主分类条目按source统计github 158 · stackoverflow 71 · hackernews 27 · reddit 23 · discourse 12。这与 user-feedback/kibana/INDEX.md 中该类别行的来源摘要一致——INDEX 只显示 top 3 来源gith158 stac71 hack27这是stats.mjs中slice(0, 3)的展示截断不是数据缺失。三、条目如何进入这个类别classify.mjs 中的 06 关键词规则本类别的身份定义在 user-feedback/kibana/TAXONOMY.md06-sharing-and-export · UX —— PDF reports, CSV export, embedded iframes, URL state explosions, short URLs, reporting queue stuck.落到代码里pipeline/classify.mjs 中CATEGORIES数组为06-sharing-and-export配置了一组带权重的关键词规则。规则形式有三种纯字符串权重 1、[关键词, 权重]元组、{ rx: /正则/, w: 权重 }。06 类别的完整规则如下直接摘录自源码规则权重说明pdf report3PDF 报告csv export3CSV 导出short url3短链接reporting queue3报告任务队列export csv3CSV 导出倒装写法reporting2报告功能embed2嵌入iframe2iframe 嵌入print dashboard2打印看板share dashboard2分享看板exportsoft1软关键词泛导出download chart2图表下载png export2PNG 导出export to image2导出为图片评分逻辑scoreText很简单把title body取前 5000 字符转小写逐条规则做子串匹配命中即累加权重15 个类别各自算一个总分后降序排列。得分最高且 ≥ 1 的类别成为主分类若所有类别都得分为 0则文本含kibana时兜底进10-docs-and-ux否则进99-uncategorized。排名 2~4 且得分 0 的类别成为次分类最多 3 个对应pointers.jsonl中的_secondary行。这套机制有两个值得注意的工程性质都写在源码注释里确定性给定源文件评分结果完全确定重跑classify.mjs会从零重建所有指针文件there is no drift不丢数据TAXONOMY 的 Rules for assignment 第 5 条要求Never silently drop artifacts——每一行源数据都必须落到至少一个类别里可能是99-uncategorized。也正因为规则是纯关键词匹配这个类别会收到一些擦边条目比如 Top 20 里的Tech stack around Kubernetesreddit22 分与Painless as a JSON-friendly templating languagegithub25 分——它们大概率是次分类命中如 body 中出现了embed/export或者靠reporting/share等泛词拿到主分类分。这正是 user-feedback/kibana/README.md Honest limits 一节自己承认的问题之一06-sharing-and-export 与 12-maps-and-geo 属于 under-represented 类别因为用户抱怨这类问题时的语言太泛many real complaints about maps just say the map。读统计页时对低分、宽泛标题的行应降低单条证据权重看整体分布。四、sentiment 与 tags 从何而来两个朴素但可审计的算法sentiment词典投票 1.5 倍阈值classify.mjs内置两个小词典负面词表broken、slow、failed、nightmare、regression等 28 个词和正面词表love、great、fast、reliable等 13 个词。判定规则if (neg 0 pos 0) return neutral; if (neg pos * 1.5) return negative; if (pos neg * 1.5) return positive; return neutral;所以本页的negative 72 · neutral 179 · positive 40是这套朴素词典在本类别 291 条主分类条目上的分布。主 README 明确提醒sentiment 是 naive lexicon classifier会混淆反讽与the bug is这类技术语境绝对数量要谨慎对待跨类别的相对排名才是可靠信号。tags固定正则清单tag 来自一份 23 项的正则清单TAGS数组与本类别相关的几个Tag正则pdf-export/pdf (export\|report)/icsv-export/csv export/ilicense/license\|paywall\|platinum/isaved-objects/saved object/idiscover/\bdiscover\b/islow-dashboard/slow dashboard\|dashboard.*slow/ialerting/alerting\|watcher/iapm/\bapm\b/iml/machine learning\|ml job/i用title body逐条匹配命中即打标。这与本页 Top tags 表的计数方式吻合stats.mjs对类别内所有条目含次分类行的tags做词频统计取前 12。五、头号信号拆解Export Documents as CSV372 分本页 Top 20 的第一行是整个语料库中最强的单条需求信号。直接查看原始记录 user-feedback/kibana/sources/github/enriched.jsonl该条目的完整元数据为idgh-kibana-1992stateclosedcomments571scorereactions372labelsrelease_note:enhancement正文摘录语料原样Is there any way to CSV export the results on Discover tab in Kibana 4 Beta 2? … CSV reporting is available for free in X-Pack starting in version 6.0.0. Starting with 6.3.0, CSV reporting is available in the default distribution of Kibana.两个事实值得区分需求强度372 个 reactions 571 条评论是 user-feedback/kibana/README.md Top 10 GitHub feature requests 表中的第二高仅次于Nested field support的 469。该 README 的结论原话是这些请求决定了 xerj v1 要交付的能力——CSV export、image export均在其中Every one of those has been requested for years by hundreds of users许可变迁CSV reporting 在 X-Pack 6.0.0 免费化、6.3.0 进入默认发行版——这正是licensetag 在本类别排第三的背景导出功能长期被许可等级卡住是用户反复抱怨的对象。同类信号在语料中并非孤例。top-pains.md本类别小节72 条负面条目中的高分代表还包括开启 reporting 后 Kibana 登录报 You do not have permission to access the requested pagediscourse25 分The reporting job failed Error: Max attempts (3) reached for job X. Failed with: Error: Unable to get index-patterndiscourse9 分Kibana 6.7 embedtrue brokeniframe 嵌入后侧边栏不再隐藏discourse5 分导出的 CSV 在 Excel 中打开韩文乱码实为 BOM 头问题discourse6 分。这些负面条目集中暴露了分享与导出链路在 Kibana 上的三类具体痛点导出内容的完整性PDF 丢数据表、CSV 编码、嵌入场景的 URL/鉴权问题embed 参数失效、iframe 重定向风暴、Cognito 鉴权、reporting 队列的可靠性与授权配置。六、从统计页到产品决策06 类别数字的下游消费链06-sharing-and-export/README.md不是终点而是决策链的中间节点。链路如下sources/src/raw.jsonl ← pipeline/collect.mjs5 个公开 API 采集 ↓ sources/src/enriched.jsonl ← pipeline/classify.mjs分类 sentiment tags ↓ categories/06-.../pointers.jsonl ← classify.mjs 投影 categories/06-.../README.md ← pipeline/stats.mjs 统计页本文主体 ↓ themes/top-pains.md ← pipeline/themes.mjs仅负面条目合辑 themes/design-inputs.md ← pipeline/design-inputs.mjs对接产品决策themes/design-inputs.md 中 06 类别小节给出了 xerj 对这批反馈的直接回应XERJ.ai response:TODO · CSV/PNG export from any panel · static URL is enough引用的证据行即本页 Top 1gh-kibana-1992372 分与 Top 6Timepicker as part of embedded dashboard21 分。也就是说统计页上看起来只是两张表格的东西最终浓缩成了一句功能承诺任意面板的 CSV/PNG 导出 静态 URL 即分享而不再维护 Kibana 式的 reporting 队列与授权体系。主 README 还给出了使用这套语料的判断准则设计一个功能时先问它服务哪个类别那个类别的 top 20 里有多少条与它相关如果答案是没有该功能就是臆想的如果答案是20 条里 12 条就值得做。06 类别的 20 条里CSV 导出、图表导出为图片、短链接/静态 URL、iframe 嵌入、reporting 权限与队列可靠性反复出现——这就是该判据的一个实例。七、复现与扩展如何刷新这份统计页整个管线零第三方依赖纯 Node ESM仅内置fetch按 user-feedback/kibana/README.md 的说明在本目录内依次执行cd user-feedback/kibana # 从 5 个来源采集设置 GH_TOKEN 时 GitHub 拉取约 8 分钟/4 仓库×100 页 # 无 token 时 GitHub 只拉前 5 页 GH_TOKEN$GH_TOKEN node pipeline/collect.mjs # 或按来源、按页数控制 node pipeline/collect.mjs --source github --pages 100 # 分类确定性、幂等从零重建指针文件 node pipeline/classify.mjs # 重写 INDEX.md 每个类别的 README含本页 node pipeline/stats.mjs # 重写 themes/top-pains.md、top-asks.md 等 node pipeline/themes.mjs # 重写 design-inputs.md dashboard-citations.json 前端引用模块 node pipeline/design-inputs.mjs几个与复现直接相关的实现事实均可在源码中核对幂等与续采raw.jsonl以id去重重跑只会补新条目GitHub 采集器按仓库分批 flush中断不丢已完成部分GitHub Issues 接口存在 10K 条第 100 页上限采集器遇到422会提前跳出换下一仓库统计口径stats.mjs读的是enriched.jsonl分类后Top 20 按score降序取前 20、标题截 80 字符INDEX 的来源摘要截 top 3诚实边界主 README Honest limitssentiment 是朴素词典分类99-noise桶捕获 CI 失败类噪声但不完备06/12 两个类别因语言太泛而 under-represented只采集英文条目。八、关键文件索引文件角色user-feedback/kibana/categories/06-sharing-and-export/README.md本文主体类别统计页291 条negative 72 / neutral 179 / positive 40user-feedback/kibana/categories/06-sharing-and-export/pointers.jsonl815 行指针291 主 524 次分类含 id/source/score/tags/标题user-feedback/kibana/pipeline/stats.mjs生成本页与 INDEX.md 的统计器user-feedback/kibana/pipeline/classify.mjs关键词加权分类、sentiment 词典、tag 正则、指针投影user-feedback/kibana/pipeline/collect.mjs5 来源采集器HN/Reddit/SO/GitHub/Discourse APIuser-feedback/kibana/TAXONOMY.md15 类别定义与分派规则主分类 1 次分类 ≤3不许静默丢数据user-feedback/kibana/SCHEMA.mdartifact 与指针的字段 schema、去重与隐私约定user-feedback/kibana/themes/top-pains.md06 类别 72 条负面条目的合辑user-feedback/kibana/themes/design-inputs.md06 类别 → xerj 产品回应CSV/PNG export static URLuser-feedback/kibana/README.md语料库总说明规模、刷新命令、方法论与诚实边界小结06-sharing-and-export这个 40 来行的 README 看似只是一张榜单实际它是一个确定性管线的快照产物——关键词加权分类决定谁进来词典投票决定情绪标签平台热度决定排序下游的themes/*文件再把榜单压缩成一句产品决策。理解了这条链路就能同样读懂语料库里其余 16 个类别文件并能用仓库内命令完整复现它们。赞分享人工智能搜索引擎本地部署后端MCP 服务【免费下载链接】xerjXERJ is the new way for AI to search data. Its autoindex capability activates agents to know your data without the token waste of grep and sed. One command indexes code, docs, logs and PDFs for search, RAG, security audits and agent memory, using 40x fewer tokens than grep. Elasticsearch compatible, so existing clients just work.项目地址https://gitcode.com/GitHub_Trending/xe/xerj点击查看免费下载相关推荐读懂 xerj 的 Kibana 反馈语料库:INDEX.md 主索引背后的采集、分类与统计管线读懂 xerj 的 Kibana 反馈语料库:INDEX.md 主索引背后的采集、分类与统计管线 user feedback/kibana/INDEX.md 是人工智能搜索引擎本地部署后端MCP 服务XERJ Kibana 反馈语料库剖析从 04-performance-and-load 类目的 2,387 条性能投诉看产品痛点如何定位XERJ Kibana 反馈语料库剖析从 04 performance and load 类目的 2,387 条性能投诉看产品痛点如何定位 XERJ 仓库中的人工智能搜索引擎本地部署后端MCP 服务XERJ Kibana 反馈语料库01-dashboard-authoring 分类统计页的生成机制与解读方法XERJ Kibana 反馈语料库01 dashboard authoring 分类统计页的生成机制与解读方法 本文以 XERJ 仓库中 user feedb人工智能搜索引擎本地部署后端MCP 服务上一篇BibiGPT-v1 前端实践React JSX 条件渲染中禁用裸 防止渲染 0 与 NaN下一篇Windows右键菜单终极清理指南用ContextMenuManager打造高效桌面环境创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考