volotat/Anagnorisis

解决的问题

Anagnorisis 是一个本地、私有的推荐系统，旨在帮助用户在不依赖云服务的情况下管理并过滤个人数据（文本、音频、图像和视频）。它通过允许用户训练一个与个人偏好和兴趣完全匹配的专属模型，解决了“AI 垃圾”和通用推荐的问题。

工作原理

用户通过 0 到 10 的评分系统对自身数据进行评分。系统随后对模型进行微调，以预测这些偏好，进而用于对新数据进行排序和排名。

在发现功能方面，它采用三种搜索模式：

• 基于文件名：文件名的模糊匹配
• 基于内容：使用嵌入模型将文件本身与查询进行比较
• 基于元数据：对文本描述进行嵌入，包括由描述模型自动生成的描述、零样本标签以及内部元数据（如 EXIF 或 ID3）

技术上，它通过 jina-embeddings-v5-omni-small 模型为所有内容类型建立共享向量空间，并使用专门的 MiniCPM-o-4_5 描述模型生成自然语言文件描述。后端基于 Flask 和 PyTorch 构建，前端使用 Bulma。

适用人群

适用于希望在自己硬件上完全运行、高度个性化且私密的信息管理系统的人群（GPU 至少需要 8GB VRAM，或 CPU 模式下 16GB RAM），以避免数据泄露和云服务追踪。

特色亮点

• 隐私优先：所有数据处理和存储均在用户本地计算机上完成。
• 多模态支持：在单一共享向量空间中处理图像、音乐、文本和视频。
• 个性化微调：用户可通过评分系统主动训练模型，使其“喜欢”自己真正喜欢的内容。
• 可扩展架构：支持外部模块以添加新数据类型，例如 YouTube 或 WebSearch。
• 仅本地索引：远程文件不会自动下载，搜索在 CPU 上执行，以节省 GPU 资源用于后台任务。