castorini/anserini

项目介绍

Anserini 把 Apache Lucene 封装成一套面向可复现信息检索研究的工具包。它主要服务两类人：需要建立检索基线、比较不同实验结果的学术研究者，以及希望用统一方式索引文档集合、跑检索实验的工程人员。项目源于 2016 年对多个开源检索引擎的复现研究，后续在 SIGIR 2017 和 JDIQ 2018 的论文中有完整设计说明 项目概述。

实现上基于 Java 和 Lucene 10.5.0，并发布到 Maven Central Lucene 版本 Maven 构件。大部分能力也通过 Python 接口 Pyserini 暴露，因此习惯 Python 的用户可以从 Pyserini 入手，复用相同的索引和检索方法 Pyserini。

快速使用

README 给出的最简路径是使用自包含的 fatjar：按照 fatjar 安装文档操作，随后通过 CLI 技能或复现指南执行搜索和实验流程 fatjar 安装。如果希望从源码建立完整开发环境，则使用单独的开发环境安装文档 开发环境安装。项目官方入门入口是 start-here 页面 start-here。

README 还为编程代理提供了操作说明：代理应先读取 install-anserini-fatjar 或 install-anserini-dev-env 技能，再完成安装；预构建索引、话题、搜索和 REST 工作流使用 anserini-cli；复现实验使用 anserini-reproduction 代理说明。

复现实验

项目提供两条复现路径：一条基于预构建索引 预构建索引复现，另一条从原始文档集合开始构建 文档集合复现。两者都面向普通用户和编程代理，适合需要重新跑通已发表基线的场景，而不只是临时做搜索。

使用约束

这是围绕 Lucene 构建的研究工具包，使用方式偏 Java，并依赖 Lucene 10.5.0。原来的 tools/ 子模块已被移除，topics 和 qrels 改为外部评估仓库中独立的 topics/ 和 qrels/ 目录；依赖旧 topics-and-qrels/ 稳定路径的下游消费者会受影响，且在该依赖固定提交之前的旧提交可能不可用 迁移说明。项目采用 Apache-2.0 许可 许可证。

HotRepo 点评

2026-11-05，Anserini 在 Java 语言日榜中新增 17 个 Star，当天在该榜单位列第 18。这反映 Java 检索用户仍有持续关注，但它只是单个语言日榜快照，不足以说明更大范围的热度趋势。对需要文档化、可重复运行的检索基线的团队来说，这个工具包的价值最明确；同时，tools/ 子模块的移除和提交固定是重要兼容性变化，围绕其数据路径搭建工作流前需要先核对。