雲端知識庫
- 資料放在別人的伺服器。
- 訂閱漲價或服務改版時，你要重新評估遷移成本。
- 敏感內容也常常要上傳，才能被 AI 使用。
ALMANAC · SELF-HOSTED KNOWLEDGE BASE
你的知識，住在你家。
Almanac 把你的筆記、文件、網頁收藏變成一座可檢索的私有知識庫——跑在你自己的機器上。AI 助理隨時取用，資料永遠不離開你的網路。引擎已開源，名為 kb-core。
已上架
MIT 授權 · 資料只留在你的機器。
macOS（Apple silicon）與 Linux 已提供，下載後直接開啟，不需要 Docker。Intel Mac 與 Windows 請用 Docker 版。
檢索流程喺你的網路內完成。只有你喺 config 指定咗雲端 provider 嘅角色，先會把相關內容送出去。
為何私有
雲端筆記很方便，直到你想起資料在誰手上。
Almanac
- 資料留在你的硬碟與 NAS。
- 產品化目標是一套自架服務，部署後持續使用。
- 標記敏感的內容，只給你本地跑的模型看。
核心功能
把知識庫變成 AI 可以查的私有檢索層。
RAG 是「先從你的資料找證據，再交給模型回答」；MCP 是 AI 工具連接外部資料源的通道。Almanac 產品化後會把這兩件事包成自架流程。
混合檢索 + 重排
關鍵詞加語意向量一起找，再重排一次。找得到，也排得準。
雙軌敏感度
公開資料可以借用雲端模型的力氣；標記敏感的內容，只有你本地跑的模型看得到。
自我演進目錄
知識庫自己歸檔、自己巡檢、自己評測。你只管丟進去。
MCP 接入
Claude 等支援 MCP 的 AI 工具直接連上你的庫——問一句，它自己去查。
兩種裝法
下載就用，或者放上 NAS。
桌面版下載完直接開，唔使裝 Docker、唔使開終端機。想放喺一台常開的家用 NAS 上長駐，就用 Docker Compose 版。第一次啟動要下載約 2.3GB 的 embedding 模型，之後就快。
下載之後
四步，大約十分鐘。
冇安裝精靈，但都唔使開終端機。下面係 macOS 的步驟，Linux 大同小異。
解壓
喺「下載項目」撳兩下個 .zip，會出到一個 kb-core App。拖佢入「應用程式」資料夾（唔拖都用得，只係下次難搵返）。
第一次開：右鍵撳「打開」
唔好撳兩下——App 未經 Apple 簽名，直接開會俾系統攔住，只得一個「移到垃圾桶」掣。要右鍵（或 Control + 撳）→ 選「打開」→ 再撳一次「打開」。之後開就正常。
等佢準備索引
會彈出一個黑色視窗顯示進度。第一次要落載約 2.3GB 嘅語意模型，視乎網速大約五至十五分鐘。呢個視窗要留住——閂咗個程式就會停。
瀏覽器自動開
介面喺 127.0.0.1:8377。搜尋、丟筆記入去、睇健康狀態都喺呢度。想要自動標題或者對話功能，就要自己加一個 AI 供應商嘅 key——唔加都用得，只係冇自動標籤。
資料存喺你自己部機（~/Library/Application Support/kb-core），冇雲端、冇帳號、冇遙測。想搬走或者備份，直接複製個資料夾就得。
已上架
看 Quickstart
先講清楚它適合誰
桌面版下載完直接開，唔使裝 Docker。但佢仍然係一套自架軟件，唔係一個雲端服務：冇帳號、冇同步、冇人幫你睇住。預設只綁 localhost，想喺其他裝置用要自己處理網絡。未經簽名，第一次開會俾系統攔一次。
首次啟動要等幾分鐘落載模型。LLM 功能（自動標題、對話）要你自己帶一個 API key，唔設都用得，只係冇自動標籤。
如果呢啲對你唔成問題，佢會安靜咁做好一件事：把你寫過嘅嘢留喺手邊，等 AI 搵得返。
FAQ
常見問題
需要什麼硬體？
一台能跑 Docker 的 NAS 或小主機。純檢索唔使 GPU；想要自動標題同主題標籤，就要自己接一個雲端 API key，或者開本地模型（有 GPU 更好）。
支援哪些 AI 模型？
檢索本身不挑模型。分類同審計可以接 OpenAI 相容 API 或本地 Ollama，喺 config 逐個角色設定；兩樣都唔設嘅話，檔案照樣入庫可以搜尋，只係冇自動標題。
我的資料會離開我的機器嗎？
預設不會。檢索全程喺你部機完成。只有你設定咗雲端 provider 嘅角色，先會把相關內容送去你自己揀嗰個 API。
跟 Notion／Obsidian 有什麼不同？
它們是筆記工具；Almanac 是檢索層。你繼續用喜歡的工具寫，Almanac 負責讓 AI 找得到。