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。
為何私有
雲端筆記很方便，直到你想起資料在誰手上。
開發中的 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 · 開發中
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。
部署方式 · 規劃中
一條指令，跑在你的機器上。
Almanac 的產品化方向是 Docker Compose 部署，目標硬體是一台能跑 Docker 的家用 NAS，或一台常開的小主機。這一頁是開發中候補頁，部署包尚未公開。
docker-compose.yml
開發中示意
# 產品化部署規劃示意
docker compose up -d
開發中
加入候補名單
加入 Almanac 候補名單
Almanac 正在開發中。留下 email，第一批開放時通知你——也歡迎告訴我們你想拿它管什麼知識。
FAQ
開發中常見問題
需要什麼硬體？
規劃上需要一台能跑 Docker 的 NAS 或小主機。本地模型可選配，有 GPU 更好、沒有也能跑純檢索。
支援哪些 AI 模型？
檢索本身不挑模型；生成端規劃可接雲端 API 或本地模型，敏感內容強制走本地。
我的資料會離開我的機器嗎？
產品設計預設不會。只有你明確標記為公開的內容，才可能送到你自己設定的雲端模型。
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。