Immortal-Protocols/lastbook
- 来源
- GitHub
- 首次上榜日期
- 领域
- RAG 与检索
- GitHub 星标数
- 2,166
- 主要语言
- Python
本页介绍外部开源仓库,并非 HDATF 产品。

它做什么
Lastbook是一款离线桌面知识库,面向断网时需要生存和重建信息的人。它接受下载的资料包或已有数据文件夹,提供经过整理的指南、文档浏览、搜索和基于库内资料的问答。内容可以包括PDF手册、带文字稿的视频、ZIM百科和离线地图,并提供返回原始页面或视频时间点的链接。问答代码结合关键词检索和可选语义检索,融合两者排名,并限制同一文档重复进入结果的片段数量。检索片段会获得引用标识,回答处理程序检查所引标识和页面是否存在,但这并不等于证明每一项陈述都得到原文支持。桌面应用通过内存中的通信桥连接网页界面与Python引擎,不开启监听端口,另设的图书馆服务器模式则可以通过浏览器提供资料。可选本地AI需要单独下载模型并具备足够内存,语义搜索支持也因平台而异。README介绍macOS、Windows和Ubuntu构建,但代码仓库不包含第三方资料库、模型文件或完整地图数据。下载内容各自保留其许可条件,地图和手册可能过时,仅有本地引用也不能证明指导内容安全或完整。
许可证
MIT 宽松许可。保留版权声明即可商用和修改。
同领域的其他仓库
- NVIDIA/auto-ontology
Auto Ontology在企业数据库之上构建共同的语义层,让智能体先确认业务术语的含义,再查询数据。开发者连接源数据库并导入表和列的元数据。业务术语、关系和SQL表达式组成语义目录,保存在Postgres中,并使用向量检索。用户用自然语言提问后,应用生成SQL并在连接的数据源上执行。结果可以包含回答、执行的SQL和查询返回的行。MCP接口通过受限工具集提供术语查询、可回答性检查和问答。部署由Web网关、Python服务、Postgres和配置好的模型端点组成。开始前需要数据库访问权限、认证配置,以及模型调用凭据或对应的端点环境。生成的SQL和回答仍需单独验证,如果没有完整配置Vault,通过界面添加的数据库凭据会以未加密形式存入Postgres。 - patchy631/ai-engineering-hub
AI Engineering Hub是面向学习LLM、文档检索和智能体的开发者的教程与示例代码集合。它按难度和主题组织项目,不是一个完整服务,也不是自有模型。示例涵盖文档问答、图片文字提取、聊天界面和MCP连接等组成部分。本次查看的Simple RAG示例读取文件夹内的文档,建立检索索引,再根据相关片段生成回答。其笔记本连接LlamaIndex、通过Ollama运行的llama3.2和HuggingFace嵌入,并基于检索到的两个片段流式输出回答。该示例需要Python 3.10或以上、Ollama、笔记本环境以及另行准备的文档。其他项目使用的模型、外部服务和凭据不同,需要分别检查说明和配置。下载仓库不会自动启用所有功能,本次阅读也不能证明其生产可用性或检索质量。 - StarTrail-org/LEANN
LEANN是一套向量索引和检索工具,面向希望搜索本地文档及记录、又不想为每个文本块完整保存嵌入的用户。它支持检索增强生成,也就是先找到相关原文片段,再让语言模型回答。输入包括PDF、文本和Markdown等文档,或由所提供的数据源示例处理的记录,输出包括匹配片段和可选的模型生成答案。文档示例使用LlamaIndex递归读取文件,将内容切分为文本块后建立索引。其低存储方案保存经过剪枝的图结构,并在检索需要时选择性地重新计算表示语义的数值向量,还可选择HNSW或DiskANN后端。它需要Python环境、嵌入模型或服务端点,生成答案还需要生成模型,原生构建和可选扫描PDF处理会增加操作系统及文字识别依赖。模型既可在本地运行,也可通过云API调用,因此隐私取决于嵌入和答案生成两部分的配置,而不只是索引的位置。重新计算嵌入需要在存储量、计算量和查询延迟之间取舍,提取失败和模型选择也会影响实际可检索内容及结果。README中的存储节省是作者在特定比较条件下报告的结果,不是对所有资料集合或我们数据性能的保证。 - metadist/synaplan-nextcloud
Synaplan Integration是一款连接应用,在Nextcloud文件界面中加入文档摘要、翻译和知识检索对话。主要面向已经用Nextcloud存储文档的组织,以及运营这些环境的托管服务商。它将用户选定的文件或问题发送给已连接的Synaplan服务器,并显示摘要、译文或逐步输出的回答。将文件上传到知识分组后,可用于RAG检索和对话,即先查找相关文档,再将其用于回答。PDF和Office等二进制文档的文本提取由Synaplan的Tika功能处理,而非由这个应用自身完成。开始使用需要受支持的Nextcloud 33至35版本、PHP 8.2及以上版本、运行中的Synaplan实例和有效API密钥。运营方可选择共用账户、创建用户独立账户或连接现有Synaplan账户,独立用户模式的密钥会加密保存在服务器端。个人记忆以及图片和视频生成功能取决于连接服务器的对应服务和模型配置。文件修改后需要通过对话框手动更新,文档和源码都将监视文件夹并自动处理的功能标为尚未实现。 - ARahim3/DigUp
DigUp是一款在macOS 14及以上的Apple Silicon Mac上常驻菜单栏的应用,按内容搜索用户所选文件夹中的文件。目标用户是想用自己的话描述来查找照片、截图、PDF、文档、录音和视频的人,它是采用MIT许可证的免费开源软件。应用在本机运行Google DeepMind的多模态embedding模型(把文本、图像和声音转换为可相互比较的数值向量的模型)EmbeddingGemma 2。它按画面内容读取图像,用Apple文字识别连同文字一起读取截图,PDF包括扫描件在内按页读取,音频按相互重叠的30秒片段读取,视频则每隔几秒取一帧并连同音轨一起读取。搜索结果会在应用支持的范围内打开到对应位置,录音和视频会在QuickTime Player或IINA中从对应时刻开始播放,PDF则在Preview中打开,并把匹配页面中的词填入搜索栏。在内部,llama.cpp在Mac的GPU上运行8位版EmbeddingGemma 2,为每张图片、每一页、每段文字和每段声音生成的768维向量,与FTS5关键词索引一起存入一个SQLite文件。搜索时会把查询向量与所有已存向量比较,并给字词完全一致的结果加分,因此文件名、文档正文和截图中的发票号和错误代码也能按原样找到。可以通过GitHub Releases的DMG或Homebrew安装,无需账号,首次启动时从Hugging Face下载固定版本的模型文件共865MB,并核对大小和SHA-256。据README所述,索引内容只留在Mac内,网络只用于这次下载和可以关闭的每日一次更新检查,应用只读取文件,并跳过密钥文件、证书和.ssh等隐藏文件夹。选好文件夹后,首次索引在几百个文件时需要几分钟,在很大的下载文件夹上约需一小时,从源码构建还会生成digup命令行工具,可以以JSON lines向其他程序返回搜索结果。已公开的发行版是2026年10月的0.6.0和0.6.1,只有macOS DMG,Windows和Linux版本没有公开发行,只存在于代码中。项目评测只涵盖英语、孟加拉语和阿拉伯语,而字词精确匹配无法把中文、日文、泰文这类书写时不用空格的语言切分成词。
只收录进入 Trendshift 排行榜的仓库,榜单仅用于寻找候选项目,不转载名次。说明、许可证和星标数来自各 GitHub 仓库。解读是我们自己的判断。我们尚未测试这些项目,上榜并不证明质量。