volotat/Anagnorisis

解決的問題

Anagnorisis 是一個本地、私有的推薦系統，旨在幫助使用者在不依賴雲端服務的情況下管理並過濾個人資料（文字、音訊、影像與影片）。它透過允許使用者訓練一個與個人偏好和興趣完全相符的專屬模型，解決了「AI 垃圾」與一般化推薦的問題。

工作原理

使用者透過 0 到 10 的評分系統對自身資料進行評分。系統隨後對模型進行微調，以預測這些偏好，進而用於對新資料進行排序與排名。

在發現功能方面，它採用三種搜尋模式：

• 基於檔案名：檔案名的模糊比對
• 基於內容：使用嵌入模型將檔案本身與查詢進行比較
• 基於元資料：對文字描述進行嵌入，包括由描述模型自動產生的描述、零樣本標籤以及內部元資料（如 EXIF 或 ID3）

技術上，它透過 jina-embeddings-v5-omni-small 模型為所有內容類型建立共享向量空間，並使用專門的 MiniCPM-o-4_5 描述模型生成自然語言檔案描述。後端基於 Flask 和 PyTorch 建構，前端使用 Bulma。

適用對象

適用於希望在自己硬體上完全運行、高度個人化且私密的資訊管理系統的人士（GPU 至少需要 8GB VRAM，或 CPU 模式下 16GB RAM），以避免資料外洩與雲端追蹤。

特色亮點

• 隱私優先：所有資料處理與儲存均在使用者本地電腦上完成。
• 多模態支援：在單一共享向量空間中處理影像、音樂、文字與影片。
• 個人化微調：使用者可透過評分系統主動訓練模型，使其「喜歡」自己真正喜歡的內容。
• 可擴展架構：支援外部模組以新增資料類型，例如 YouTube 或 WebSearch。
• 僅本地索引：遠端檔案不會自動下載，搜尋在 CPU 上執行，以節省 GPU 資源用於背景任務。