These short clips show OwlSpotlight in action inside VS Code: starting the local search server, searching a real codebase with natural language and jumping straight to the highlighted definition, and scoping a semantic search to a Git diff. The search clips were recorded on the PyLate codebase.
Open the OwlSpotlight sidebar and click Setup / Start. The uv-managed
Python environment is set up, then the background FastAPI server boots on
127.0.0.1 and is ready to use. Server logs stream into
Output → OwlSpotlight. Everything runs locally; your code never leaves your
machine.
Type what the code does in the search bar (English or Japanese). OwlSpotlight returns the matching functions, methods, classes, and CodeBlocks in the sidebar, then jumps to the file and highlights the definition.
In the clip, several natural-language queries (English and Japanese) each surface
a different, relevant set and jump to the highlighted definition: “reorder
documents by relevance” → rerank / ColBERT.retrieve, “reorder search
results by relevance” → ColBERT.retrieve, “sort by relevance using
MaxSim” → colbert_kd_scores / CoLBERT.similarity_by_name, and “rank by
relevance using top-k sampling” → ScaNN.retrieve / FastPlaid.retrieve.
Example queries that work well on this codebase:
| Language | Query |
|---|---|
| English | find the nearest documents to a query |
| English | reorder search results by relevance |
| 日本語 | クエリに一番近い文書を探す |
| 日本語 | 検索結果を関連度で並べ替える |
Set Scope → Git Diff, pick the base/head commits from the built-in commit
graph (click for base, Shift+Click for head), and choose a Diff view
(Functions or Unified diff). The semantic search now runs only over the diff.
In the clip, the query “keep only the top-k token scores when aggregating
maxsim” pulls the top_k_score change out of a diff scattered across many
files, landing on colbert_scores, colbert_kd_scores, and
colbert_scores_pairwise. With Diff view → Unified diff, the matched
changes open as side-by-side hunks (the green top_k_score additions across
scores.py, rerank, the evaluators, …) — so you review exactly the changed
lines that match your intent instead of scrolling a raw git diff.
| Language | Query |
|---|---|
| English | keep only the top-k token scores when aggregating maxsim |
| 日本語 | 上位k件のスコアだけ残してMaxSimを集計する |
The clips are sped up for brevity. Actual indexing time depends on repository size and whether you run on CPU / GPU / MPS.
OwlSpotlight のサイドバーを開き、Setup / Start をクリックします。
uv 管理の Python 環境がセットアップされ、続いてバックグラウンドの
FastAPI サーバーが 127.0.0.1 で起動し、使用できる状態になります。
サーバーのログは 表示 → 出力 → OwlSpotlight に表示されます。
すべてローカルで動くため、コードが外部に送信されることはありません。
検索バーに「そのコードが何をするものか」を自然言語（日本語・英語）で 入力します。OwlSpotlight が該当する関数・メソッド・クラス・CodeBlock を サイドバーに一覧表示し、その場所へジャンプして定義をハイライト表示します。
クリップでは、複数の自然言語クエリ（英語・日本語）を順に試し、それぞれ
異なる関連結果へジャンプ＆ハイライトしています。「reorder documents by
relevance」→ rerank / ColBERT.retrieve、「検索結果を関連度で並べ替える」→
ColBERT.retrieve、「MaxSimを使って関連度で計算する」→ colbert_kd_scores /
CoLBERT.similarity_by_name、「Top-kサンプリングを使って関連度で並べ替える」→
ScaNN.retrieve / FastPlaid.retrieve。
このコードベースでよく効くクエリ例：
| 言語 | クエリ |
|---|---|
| 英語 | find the nearest documents to a query |
| 英語 | reorder search results by relevance |
| 日本語 | クエリに一番近い文書を探す |
| 日本語 | 検索結果を関連度で並べ替える |
Scope → Git Diff を選び、内蔵のコミットグラフから base / head を選択し
（クリックで base、Shift+クリックで head）、Diff view（Functions か
Unified diff）を選びます。これでセマンティック検索が差分の範囲だけに
限定されます。
クリップでは 「keep only the top-k token scores when aggregating maxsim」
というクエリで、多数のファイルに散らばった top_k_score の変更を拾い出し、
colbert_scores / colbert_kd_scores / colbert_scores_pairwise という
変更済み関数を抽出しています。Diff view → Unified diff にすると、
一致した変更箇所が差分（scores.py / rerank / 評価まわりに散らばった
緑色の top_k_score 追加行）として並んで開くので、生の git diff を
目で追わずに、意図に合致した変更行だけを確認できます。
| 言語 | クエリ |
|---|---|
| 英語 | keep only the top-k token scores when aggregating maxsim |
| 日本語 | 上位k件のスコアだけ残してMaxSimを集計する |
クリップは説明のため早送りしています。実際のインデックス作成時間は リポジトリの規模や、CPU / GPU / MPS のどれで実行するかによって変わります。