#12 · 主分类: 向量数据库

LEANN

ai faiss gpt-oss langchain llama-index llm localstorage offline-first ollama privacy python rag retrieval-augmented-generation vector-database vector-search vectors

[MLsys2026最佳论文]: https://arxiv.org/abs/2506.08276。使用LEANN实现万物RAG。在个人设备上运行快速、准确且100%私密的RAG应用,同时享受97%的存储节省。

项目最后更新:08/25/26

GitHub Stars

12.8K

Forks数量

1.2K

贡献者数量

48

许可证

MIT

收录理由

如果你手里的个人资料多到塞满硬盘,又不想把任何内容传到云端,LEANN 值得认真看看。它把索引方式整个换掉了——不按块存 embedding,而是存图结构,等真要检索时再重新计算向量。这套设计让它能在几个 GB 的空间里塞进数百万份文档,存储占用直接砍掉约 97%,笔记本跑起来毫无压力。它不光给你一个引擎,还配好了现成的检索流程,搜本地文件、邮件、聊天记录或浏览器历史都能直接上手。原生支持 MCP,Claude Code 这类工具可以直接把它当成语义搜索服务来用。跟 LangChain、LlamaIndex 和 Ollama 的兼容性也不错,能轻松嵌进你已有的技术栈。要是你卡在存储成本上,又坚持数据不出本机,这个项目提供了一条真正落地、离线优先的 RAG 路径,而不是一个需要自己拼装的零件盒。

相关文章

暂无针对该项目的文章。

如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。

同类热门项目