volotat/Anagnorisis

解决的问题

Anagnorisis 是一个本地、私有的推荐系统，旨在替代那些以提升参与度为目标而非用户偏好的云服务。用户可以通过对自己本地或远程文件（音乐、图片、文本和视频）进行评分，构建个性化的兴趣模型，确保个人数据和偏好模型完全保留在自己的设备上。

工作原理

该系统使用显式评分（0-10）和模型训练的反馈循环。文件通过三种搜索模式进行处理：基于文件名（模糊匹配）、基于内容（对文件本身进行嵌入）和基于元数据（对文本描述、标签和侧车 .meta 文件进行嵌入）。

为了生成推荐，系统会生成“记忆文件”（Markdown），作为已评分文件的文本代理，包含描述、标签和元数据。然后基于这些描述与评分的配对来训练推荐模型。该模型预测未评分文件的评分，用户可对其进行修正，从而在后续训练轮次中进一步优化模型。

适用人群

希望为个人媒体库构建私有、自托管推荐引擎的用户。目标用户为配备至少 8GB VRAM GPU 的 PC 或家庭服务器用户。

特色亮点

• 隐私优先： 所有处理、存储和训练均在用户设备上本地完成。
• 分布式语义索引： 使用 .meta 侧车文件，无需下载实际内容即可对远程文件进行语义搜索和推荐。
• 多模态支持： 支持图像、音乐、音频和视频文件。
• 独立核心： 内置 anagnorisis_core，一个可独立于 Web UI 使用的 Python 库和 CLI 工具。
• 软哈希： 通过内容指纹识别文件而非路径，确保文件移动或重命名后评分依然保留。