mrsibe/KnowNote

A local-first AI knowledge base & NotebookLM alternative built with Electron. More convenient, more lightweight, and understands you better!

KnowNote – 本地優先的研究工作空間

它是什麼

  • 一款跨平台桌面應用程式(Electron),讓您能將自己的 PDF、Word 文件、PowerPoint 和網頁轉化為可搜尋的知識庫。
  • 您可以提出自然語言問題,並獲得引用回原始段落的精確答案。
  • 所有繁重的工作——解析、分塊、嵌入和向量搜尋——皆在您的機器上執行。唯一的網路呼叫是您發送給所配置 LLM 端點的請求。

運作方式

  1. 匯入文件。應用程式使用 pdfjs-dist、mammoth、officeparser 和 turndown 來提取文字,同時保留結構(頁面、標題、投影片)。
  2. 分割文字為約 500 字元的段落並保留少量重疊;每個段落記錄其開始/結束偏移量以進行精確引用。
  3. 嵌入每個段落,透過 ONNX 使用開源 Xenova/multilingual‑e5‑small 模型(384 維,量化至 q8),並在 Electron 主進程中執行。
  4. 儲存嵌入向量於本地 SQLite 資料庫(透過 Drizzle ORM 使用 sqlite‑vec)。每個筆記本都有自己的向量表,因此不同的嵌入空間永遠不會混雜。
  5. 查詢:您輸入問題;應用程式檢索最相關的段落,將其(加上您的提示詞)發送到您配置的聊天模型(OpenAI、Anthropic、Google、Ollama 等),並顯示答案以及可點擊的引用。
  6. 筆記:您可以在答案旁邊撰寫結構化筆記,並將筆記本轉化為心智圖。

主要功能

  • 本地 RAG – 無伺服器、無 Docker、無雲端儲存;一切皆保留在您的裝置上。
  • 自備模型 (BYO) – 任何相容 OpenAI、Anthropic、Google 或本地 Ollama 的端點;應用程式本身不內建聊天模型。
  • 可追溯的答案 – 每個回應都會列出來源段落及其在原始文件中的確切位置。
  • 多格式匯入 – PDF、Word、PowerPoint 和任意網頁。
  • 筆記與心智圖 – 捕捉結論並視覺化關係。
  • 開源 – GPL-3.0 授權;嵌入模型僅下載一次並進行快取。

缺失功能(截至最新版本)

  • 音訊上傳/轉錄、測驗生成和投影片生成仍在開發中。
  • 尚未提供 Linux 版本;macOS 版本僅支援 Apple Silicon。
  • 建置版本未簽署(macOS)且未經公證,因此您會看到一次性的安全性提示。
  • 無多使用者同步、協作或遙測功能 – 這是一個單人工具。

技術堆疊

  • Electron + React + TypeScript + TailwindCSS – UI 與桌面封裝。
  • Tiptap – 富文本筆記編輯器。
  • ONNX runtime – 在本地執行 multilingual‑e5‑small 嵌入器。
  • SQLite + sqlite‑vec – 向量儲存與相似度搜尋。
  • Node.js – 開發環境;npm run dev 以熱重載模式啟動應用程式。

入門指南

  1. 從 Releases 頁面下載適當的安裝程式(Windows 為 .exe,Apple Silicon macOS 為 ‑arm64.dmg)。
  2. 在 macOS 上,清除隔離標記 (sudo xattr -rd com.apple.quarantine /Applications/KnowNote.app)。
  3. 在 Windows 上,如果 SmartScreen 發出警告,請點擊 仍要執行。
  4. 開啟 Settings → Models 並新增端點(例如 https://api.openai.com/v1/chat/completions 加上您的 API 金鑰,或本地 Ollama 伺服器)。
  5. 匯入文件、提出問題並探索引用的答案。

典型使用案例

  • 學術研究:針對一系列論文提問,並查看支援每個答案的確切句子。
  • 商業知識管理:查詢內部 PDF、投影片和政策文件,無需將其上傳至雲端服務。
  • 個人學習:建立一個私人的「第二大腦」,並使用您信任的任何 LLM 進行查詢。

授權

  • GPL-3.0 – 您可以自由使用、修改和重新散佈程式碼,前提是必須保留相同的授權。

了解更多


KnowNote 是一款真正的開源 AI 增強桌面工具,將本地檢索增強生成 (RAG) 帶入日常研究工作流程,同時保持資料隱私並由使用者掌控。

相關

  • 專案
  • 專案
  • 專案
  • 專案