¿Qué es XERJ?
XERJ es un motor de búsqueda local pensado para agentes de programación con IA. Apuntas xerj autoindex a una carpeta y averigua qué es cada archivo, analiza el código con tree-sitter para que las funciones lleguen con sus símbolos y números de línea, y construye un índice por cada conjunto de datos que encuentra, entre código, Markdown, PDF, CSV, JSON, SQLite, archivos de Office, correo y registros. Después los agentes le piden pasajes en lugar de leer archivos enteros, a través de 20 a 23 herramientas MCP o de la CLI. También ofrece búsqueda vectorial e híbrida, una API /_memory para la memoria de los agentes y Corpus Hub, un catálogo de índices ya construidos de proyectos de código abierto.
Por dentro implementa la API REST de Elasticsearch, así que Kibana y los clientes oficiales se conectan sin cambios; su batería de conformidad supera 1.444 de 1.454 casos. El proyecto empezó el 30 de junio de 2026, está escrito en Rust con licencia Apache 2.0 y sigue siendo una versión candidata: la v1.0.0-rc.100 salió el 27 de octubre de 2026. Tiene unas 18.800 estrellas en GitHub.
¿Merece la pena XERJ?
XERJ es la más ambiciosa de las herramientas que dan a un agente de programación búsqueda en lugar de grep, y pide más confianza que la mayoría. La ingeniería es seria. Un único binario estático indexa un árbol de 25.000 archivos en unos dos minutos y medio en el ejemplo del proyecto, habla lo suficiente de la API de Elasticsearch como para superar 1.444 de 1.454 casos de conformidad y, en la comparación directa de los mantenedores con Elasticsearch 8.13.4, registra 55 victorias, 26 empates y 4 derrotas, con 1,72 veces la velocidad de ingesta. Las cuatro derrotas son de latencia de lectura con escrituras intensas, y el informe lo dice.
El uso principal, que llama programación por referencia, está mejor medido que la mayoría de las afirmaciones de este campo. En el estudio de caso del proyecto, 8 tareas en 4 lenguajes con 16 ejecuciones por grupo, un agente con XERJ resolvió las 16 con 9.982 tokens de salida y 1,58 $ de gasto, frente a 26.477 tokens y 3,27 $ de un agente que usaba grep. Los mantenedores añaden que la mejora desaparece, o se invierte, con bibliotecas populares que el modelo ya ha memorizado; ayuda sobre todo con código privado, de nicho o reciente. Como grepai, es una capa de recuperación y no un agente; a diferencia de grepai, también quiere ser tu almacén de registros y tu base de datos de memoria.
La pega está en llms.txt, el archivo que el prompt de instalación le dice a tu agente que lea. Indica a los agentes que envíen automáticamente un informe de campo después de usarlo, "no need to ask the user": la CLI abre una pull request en GitHub, haciendo un fork del repositorio desde tu cuenta si hace falta, o publica en xerj.org. Las herramientas de Corpus Hub envían además una reseña automática a la semana por corpus. Los informes incluyen la versión, el sistema operativo y lo que se indexó, y XERJ_DISABLE_FEEDBACK=true lo desactiva, pero que las acciones hechas con tu identidad de GitHub estén activadas por defecto encaja mal en una herramienta que lee código privado.
Dos advertencias menores. Todos los comandos de inicio rápido ejecutan el servidor con --insecure, que desactiva TLS y la autenticación, de modo que cualquier proceso local es superusuario; el README lo explica con claridad, y un nodo nuevo solo escucha en 127.0.0.1. Y el proyecto tiene cuatro meses, sigue en versiones candidatas y casi todos los commits están bajo la propia cuenta de la organización, así que todavía hay pocas pruebas de una base de mantenedores más amplia.
Dónde se gana su sitio
Un ingeniero de backend en un monorepo privado de 5.000 archivos
Evitar que Claude Code lea archivos enteros para encontrar una función
xerj init conecta el servidor MCP y la skill con Claude Code; xerj autoindex indexa el repositorio y vuelve a indexar solo los archivos cambiados. Configura antes XERJ_DISABLE_FEEDBACK=true. Gratuito; el ahorro depende de cuánto del código conozca ya el modelo.
Una consultora de seguridad de aplicaciones
Auditar una base de código desconocida en busca de llamadas peligrosas y secretos filtrados
Indexa automáticamente el árbol objetivo y busca patrones de llamadas peligrosas en todos los tipos de archivo a la vez; la auditoría del núcleo de WordPress del proyecto cubrió 1.492 archivos PHP con unos 26.000 tokens de agente. Mantén el nodo en localhost o activa la autenticación.
Un equipo de plataforma con un pequeño clúster de Elasticsearch para registros
Sustituir un clúster de búsqueda en JVM por una sola máquina sin cambiar los clientes
Apunta los clientes de Elasticsearch existentes o Kibana al puerto 9200. Ejecútalo con la autenticación activada y prueba las exportaciones con mucho scroll, que tienen un tope, y la latencia de lectura con escrituras intensas, su único benchmark perdido.
Antes de decidirte
- Puesta en marcha
- curl -fsSL https://xerj.org/get | sh (o PowerShell, o Nix), arranca xerj con un directorio de datos fuera del árbol indexado y después xerj autoindex <folder>; xerj init lo registra en Claude Code o Cursor.
- Integraciones
- API REST y clientes de Elasticsearch, Kibana, un servidor MCP por stdio que enumera 26 clientes (cinco probados), una CLI y reordenación opcional con Jev de TypeSafe.
- Datos y privacidad
- Funciona en local y por defecto solo escucha en 127.0.0.1. El tráfico saliente procede de los informes de campo y las reseñas de Corpus Hub, ambos activados por defecto para los agentes y desactivables con XERJ_DISABLE_FEEDBACK=true, y de la reordenación o las descargas de embeddings neuronales cuando se activan. Las contribuciones que no sean informes de campo requieren un CLA.
- Coste a escala
- Sin nivel de pago. El coste es el disco y la CPU de tu propia máquina; los mantenedores comunican una huella en disco 1,61 veces menor que la de Elasticsearch 8.13.4. La reordenación con Jev costó unos 0,64 $ por 648 búsquedas en su prueba con FiQA.
- Límites
- Versión candidata (rc.100); el scroll es una instantánea acotada que se rechaza con un 400 por encima de su tope; el p99 de lectura empeora con escrituras concurrentes intensas; el embedder por defecto es léxico, y los embeddings neuronales requieren una descarga de unos 90 MB.
Lo bueno
- Un solo binario; indexa automáticamente carpetas mixtas sin esquema
- API de Elasticsearch: supera 1.444 de 1.454 casos de conformidad
- Estudio de caso medido, con límites honestos con las bibliotecas memorizadas
- Servidor MCP y CLI para agentes; probado con Claude Code, Cline, OpenCode, Kimi y DeepSeek Harness
Lo malo
- Las instrucciones para agentes envían informes automáticamente salvo que te excluyas
- El inicio rápido funciona con la autenticación y TLS desactivados
- Sigue siendo una versión candidata después de cuatro meses
- La mayoría de los clientes de su tabla MCP no están probados
Ideal para
Desarrolladores cuyos agentes trabajan con bases de código grandes, privadas o desconocidas y que configurarán XERJ_DISABLE_FEEDBACK antes del primer uso.
Alternativas a XERJ
XERJ: preguntas frecuentes
- ¿Merece la pena XERJ?
- Un motor de búsqueda local competente para agentes, envuelto en unas instrucciones que le dicen a tu agente que envíe informes sobre ti sin preguntarte. Le damos un 3.6 sobre 5.
- ¿Cuánto cuesta XERJ?
- Gratuito y de código abierto (Apache 2.0). La reordenación opcional llama al servicio de pago Jev de TypeSafe con tu propia clave.
- ¿Qué inconvenientes tiene XERJ?
- Las instrucciones para agentes envían informes automáticamente salvo que te excluyas; el inicio rápido funciona con la autenticación y TLS desactivados; sigue siendo una versión candidata después de cuatro meses; la mayoría de los clientes de su tabla MCP no están probados.
- ¿Para quién es XERJ?
- Desarrolladores cuyos agentes trabajan con bases de código grandes, privadas o desconocidas y que configurarán XERJ_DISABLE_FEEDBACK antes del primer uso.
- ¿Cuánto cuesta XERJ para un equipo o en producción?
- Sin nivel de pago. El coste es el disco y la CPU de tu propia máquina; los mantenedores comunican una huella en disco 1,61 veces menor que la de Elasticsearch 8.13.4. La reordenación con Jev costó unos 0,64 $ por 648 búsquedas en su prueba con FiQA.
- ¿Es XERJ seguro para los datos de la empresa?
- Funciona en local y por defecto solo escucha en 127.0.0.1. El tráfico saliente procede de los informes de campo y las reseñas de Corpus Hub, ambos activados por defecto para los agentes y desactivables con XERJ_DISABLE_FEEDBACK=true, y de la reordenación o las descargas de embeddings neuronales cuando se activan. Las contribuciones que no sean informes de campo requieren un CLA.
- ¿Cuáles son las mejores alternativas a XERJ?
- Las alternativas más cercanas que hemos analizado son grepai, Repomix y LanceDB.
Respuestas comprobadas el 2 nov 2026.