選用的語意搜尋

實驗性功能。figlens search <file> <query> --mode semantic|hybrid 以本機模型依語意為圖層排序。預設的 --mode text 不變，也不需要模型。

• 一次性設定。 請自行下載 BAAI/bge-m3 的 5617a9f61b028005a4858fdac845db406aefb181 修訂版（MIT；config.json、pytorch_model.bin、tokenizer.json），figlens 從不下載。figlens models configure bge-m3 --model DIR [--runtime FILE] 以 SHA-256 驗證檔案，離線啟動一次 figlens-embed 執行環境（未給 --runtime 時在 figlens 執行檔旁尋找），並把設定記錄在設定目錄的 models.json。models list|status 可查看，models remove bge-m3 會忘記該設定但保留檔案。
• 視覺 profile。 figlens models configure siglip-base --model DIR 以同樣方式檢查 google/siglip-base-patch16-224 的修訂版 7fd15f0689c79d79e38b1c2e2e2370a7bf2761ed（Apache-2.0；config.json, preprocessor_config.json, model.safetensors），並登記為視覺搜尋使用的圖片模型。
• 圖片查詢（實驗性）。 figlens search --workspace DIR --image shot.png 依外觀排序 workspace 的單元；--image-ref '{"sourceId":…,"snapshotId":…,"nodeId":…}' 改用某個結果已儲存的渲染，--crop x,y,w,h 可裁切兩者。加上查詢文字即為 hybrid。視覺層由 figlens index visual 建立（搜尋不會建立，單一 .fig 搜尋會拒絕圖片）。沒有圖片 profile 或它失敗時，只依像素雜湊排序，query.usedModes 會註明。查詢圖片不會被儲存。排序規則仍在驗證中，請把結果當作線索。MCP：search 的 image（root 內的路徑）、imageRef、crop。
• 模式。 semantic 依每個圖層在名稱、文字、元件屬性或所在範圍中最相符的片段排序。hybrid 融合文字與語意兩種排名（Reciprocal Rank Fusion）。沒有設定時，semantic 以 mode_unavailable 失敗，hybrid 回傳文字結果並說明原因。coverage.layers.semantic 回報 ready、partial 或 unavailable；部分結果的頁面沒有 nextCursor。模型使用 CPU，Ctrl-C 停止目前請求。每個 MCP/viewer 程序在使用後可同時保留一個文字模型和一個影像模型；一次 Linux ARM 診斷中，文字模型單獨約佔 2.5 GiB，兩者峰值記憶體總和約 3.5 GiB，不含核心與索引 worker。這些是量測值，不是記憶體上限。
• 限制。 嵌入圖層名稱、有效文字、實例的元件屬性值（無法精確解析的值會略過並計數）以及每個圖層所在頁面與容器的名稱。使用 --workspace/--id 搜尋時，讀取每個來源已儲存的模型層，不會嵌入設計文字；該層由 figlens index embed 建立（MCP 伺服器會在文字建置後排入佇列）。沒有該層的來源為 pending，頁面為部分結果。在此功能凍結的測試集上，模型未達到同義詞與用途查詢的品質門檻（top-1 錯誤率 0.25，門檻 0.20），請把結果當作線索。
• MCP。 models 工具（list、status、configure、remove）以及 search 的 mode；configure 只執行 figlens 旁的 figlens-embed，模型目錄與檔案必須位於伺服器的 root 之內。取消呼叫會停止執行中的搜尋或設定。