可选的语义搜索

实验性功能。figlens search <file> <query> --mode semantic|hybrid 用本地模型按语义对图层排序。默认的 --mode text 不变，也不需要模型。

• 一次性设置。 请自行下载 BAAI/bge-m3 的 5617a9f61b028005a4858fdac845db406aefb181 修订版（MIT；config.json、pytorch_model.bin、tokenizer.json），figlens 从不下载。figlens models configure bge-m3 --model DIR [--runtime FILE] 用 SHA-256 校验文件，离线启动一次 figlens-embed 运行时（未给 --runtime 时在 figlens 可执行文件旁查找），并把配置记录在配置目录的 models.json。models list|status 查看，models remove bge-m3 忘记该配置但保留文件。
• 视觉 profile。 figlens models configure siglip-base --model DIR 以同样方式校验 google/siglip-base-patch16-224 的修订版 7fd15f0689c79d79e38b1c2e2e2370a7bf2761ed（Apache-2.0；config.json, preprocessor_config.json, model.safetensors），并把它登记为视觉搜索使用的图像模型。
• 图片查询（实验性）。 figlens search --workspace DIR --image shot.png 按外观对 workspace 的单元排序；--image-ref '{"sourceId":…,"snapshotId":…,"nodeId":…}' 改用某个结果已保存的渲染，--crop x,y,w,h 可裁切两者。加上查询文字即为 hybrid。视觉层由 figlens index visual 建立（搜索不会建立，单一 .fig 搜索会拒绝图片）。没有图像 profile 或它失败时，只按像素哈希排序，query.usedModes 会注明。查询图片从不保存。排序规则仍在验证中，请把结果当作线索。MCP：search 的 image（root 内的路径）、imageRef、crop。
• 模式。 semantic 按每个图层在名称、文本、组件属性或所在范围中最匹配的片段排序。hybrid 融合文本与语义两种排名（Reciprocal Rank Fusion）。没有配置时，semantic 以 mode_unavailable 失败，hybrid 返回文本结果并说明原因。coverage.layers.semantic 报告 ready、partial 或 unavailable；部分结果的页面没有 nextCursor。模型使用 CPU，Ctrl-C 停止当前请求。每个 MCP/viewer 进程在使用后可同时保留一个文本模型和一个图像模型；一次 Linux ARM 诊断中，文本模型单独约占 2.5 GiB，两者峰值内存之和约 3.5 GiB，不含核心与索引 worker。这些是测量值，不是内存上限。
• 限制。 嵌入图层名称、有效文本、实例的组件属性值（无法精确解析的值会略过并计数）以及每个图层所在页面与容器的名称。使用 --workspace/--id 搜索时，读取每个来源已存储的模型层，不会嵌入设计文本；该层由 figlens index embed 建立（MCP 服务器会在文本构建后排入队列）。没有该层的来源为 pending，页面为部分结果。在此功能冻结的测试集上，模型未达到同义词与用途查询的质量门槛（top-1 错误率 0.25，门槛 0.20），请把结果当作线索。
• MCP。 models 工具（list、status、configure、remove）以及 search 的 mode；configure 只运行 figlens 旁的 figlens-embed，模型目录和文件必须位于服务器的 root 之内。取消调用会停止正在运行的搜索或设置。