本地优先的 AI 记忆系统,逐字保存对话历史,并通过语义搜索检索,提供 MCP 服务与命令行工具。
StarTrail-org/LEANN
本地向量索引与 RAG 工具,通过按需重算向量将存储占用降低约 97%,可在笔记本上检索个人数据。
- Star
- 13,043
- Fork
- 1,212
- 未关闭 Issue
- 37
- 最近提交
- 1小时前
这是什么?
LEANN 是一个面向检索增强生成(RAG)的向量数据库,可以直接在个人设备上运行。它不存储全部向量,而是保留一个紧凑的图索引,在检索时按需计算嵌入,项目称在不损失准确率的前提下可节省约 97% 的存储空间。这让在本地索引大规模个人数据(如文档、邮件、浏览历史、聊天记录)变得切实可行。
项目以 Python 包的形式通过 PyPI 发布,提供声明式 API 用于构建索引、检索,并基于检索结果与大模型对话。仓库附带了针对 PDF 和文本文件、Apple Mail、Chrome 历史、微信、iMessage,以及 ChatGPT 和 Claude 导出的聊天记录的示例应用,还提供 MCP 服务,可接入 Slack、Twitter 书签等实时数据源,也可作为语义搜索服务配合 Claude Code 使用。
在模型方面,LEANN 支持 Ollama、LM Studio、vLLM、llama.cpp 等本地推理引擎,也支持任何兼容 OpenAI 接口的服务,包括多家云端提供商。项目可在 Ubuntu、Arch、WSL、macOS 和 Windows 上运行,并提供 HNSW 与 DiskANN 两种索引后端。
核心功能
- 01按需重算嵌入,显著降低索引存储占用。
- 02通过 Python API 和命令行构建与检索索引。
- 03支持 PDF、文本和 Markdown 文件,以及邮件、Chrome 历史、微信、iMessage 等个人数据。
- 04通过 MCP 服务接入 Slack、Twitter 书签等实时数据。
- 05兼容 Ollama 等本地大模型引擎及任何 OpenAI 兼容接口。
适用场景
- 在笔记本上检索多年积累的文档、邮件或聊天记录,无需上传数据。
- 通过 MCP 为 Claude Code 增加代码库的语义搜索能力。
- 构建可在设备间迁移的私有知识库。
- 基于导出的 ChatGPT 或 Claude 对话记录运行本地 RAG 问答。
快速上手
- 1
使用 README 中的官方安装脚本安装 uv(包管理器)
- 2
用 uv 创建虚拟环境
uv venv - 3
激活虚拟环境
source .venv/bin/activate - 4
从 PyPI 安装 LEANN
uv pip install leann
使用前须知
- 构建可选的 DiskANN 后端需要大量系统依赖,例如 Boost、protobuf 和 MKL。
- 使用云端 LLM 和嵌入服务需要 API 密钥;完全本地运行则依赖于自行部署推理引擎。
标签
常见问题
- LEANN 是什么?
- 本地向量索引与 RAG 工具,通过按需重算向量将存储占用降低约 97%,可在笔记本上检索个人数据。 LEANN 是一个面向检索增强生成(RAG)的向量数据库,可以直接在个人设备上运行。它不存储全部向量,而是保留一个紧凑的图索引,在检索时按需计算嵌入,项目称在不损失准确率的前提下可节省约 97% 的存储空间。这让在本地索引大规模个人数据(如文档、邮件、浏览历史、聊天记录)变得切实可行。
- LEANN 可以免费使用吗?用的什么许可证?
- LEANN 以 MIT 许可证开源。用于商业产品前,请先确认许可证条款。
- LEANN 还在维护吗?
- 活跃维护中。LEANN 最近一次提交是在 2026年10月21日。
- LEANN 适合用来做什么?
- 在笔记本上检索多年积累的文档、邮件或聊天记录,无需上传数据。 通过 MCP 为 Claude Code 增加代码库的语义搜索能力。 构建可在设备间迁移的私有知识库。 基于导出的 ChatGPT 或 Claude 对话记录运行本地 RAG 问答。
- LEANN 怎么安装和运行?
- 使用 README 中的官方安装脚本安装 uv(包管理器) 用 uv 创建虚拟环境: uv venv 激活虚拟环境: source .venv/bin/activate 从 PyPI 安装 LEANN: uv pip install leann
- 在哪里获取 LEANN?
- 源代码和安装说明在 GitHub 上:https://github.com/StarTrail-org/LEANN
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
面向 AI 应用的开源数据基础设施,用于存储文档与向量并支持语义、混合及全文检索。
开源的视觉检索增强生成(RAG)流程,将网页和 PDF 渲染为截图进行检索,保留表格与图表信息。
一门免费开源的 10 周在线课程,讲解如何构建 RAG、向量搜索、智能体等 LLM 应用。
面向 AI 智能体的记忆系统,支持存储、检索与反思记忆,让智能体随时间学习而非仅回放对话历史。
面向智能体的记忆基础设施,将对话与执行过程转化为可持久化的结构化记忆,支持 Python 与 TypeScript。