发布日期：2026-06-30 07:57:49 浏览次数： 1575
作者：金融街小电驴
微信搜一搜，关注“金融街小电驴”
推荐语
解决信息碎片化难题，本地知识库让AI真正读懂你的文件。
核心内容：
1. 日常信息分散的三大痛点与统一需求
2. 四大核心组件（LLM Wiki、GBrain、Obsidian、MarkItDown）的分工与协作
3. 三种数据入库方式，实现从文件到结构化知识的转换
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
## 问题
日常工作里，信息散得到处都是。PDF 在下载文件夹里堆着，网页文章在浏览器收藏夹里吃灰，微信聊天记录里的关键信息过几天就找不到了，邮件里的决策结论沉在收件箱深处。
这些东西有几个共同的问题：
第一，没法统一搜索。想找一个概念，得在文件夹、浏览器、微信、邮箱里分别搜一遍。
第二，格式不统一。PDF、Word、Excel、网页、聊天记录，每种格式有自己的打开方式，没法放在一起检索。
第三，也是最关键的——**这些知识对 AI 是不可见的。**大模型再强，也搜不到你本地的 PDF 和微信记录。
我需要一套系统，把所有知识统一存储、结构化管理，既能让我自己快速检索，也能让 AI Agent 直接调用。
## 方案
最终搭出来的系统由四个组件组成，各司其职。
**LLM Wiki**是知识的组织框架。它定义了知识怎么分类、怎么组织。本质就是磁盘上的一套目录结构和 Markdown 文件。按概念、资料来源、人物实体、方法论等分类存放。每个文件用 YAML frontmatter 标记类型、标签、创建时间等元数据。文件之间可以用`[[slug]]`语法互相引用，形成知识网络。这套目录可以直接用 Obsidian 打开，也可以用任何文本编辑器操作。
**GBrain**是知识的搜索引擎。底层是 PostgreSQL 数据库加上 pgvector 向量扩展。所有知识存进去之后，它能做几件事：全文搜索（关键词精确匹配）、语义搜索（理解问题意图，找到相关内容，即使关键词不完全一致）、知识图谱（自动提取人物、公司、概念等实体，建立它们之间的关系）、时间线（按时间轴组织事件）。它提供 MCP 接口，AI Agent 可以直接调用这些能力。
**Obsidian**是人类的编辑界面。它直接读写 LLM Wiki 目录下的 Markdown 文件，本身不存储任何数据。我喜欢用它是因为图谱视图——能看到知识之间的关联网络，哪些概念连着哪些人物，哪些资料引用了哪些理论。它就是一个可视化窗口。
**MarkItDown**是微软出的文件格式转换工具。PDF、Word、Excel、PPT、网页 HTML、甚至图片 OCR 和音频语音转文字，统统转成干净的 Markdown。这是知识入库的关键一步——不管原始文件是什么格式，最终都变成统一的 Markdown 文本。
## 数据怎么进来
知识进入系统有三种入口，最终都汇到同一条管线。
**浏览器上传。**内网有一个上传页面，监听 8199 端口，局域网内任何设备打开浏览器就能用。拖拽文件进去，文件自动进入投递箱目录。
**命令行。**直接把文件复制到投递箱目录：`cp report.pdf ~/llmwiki/inbox/`。
**告诉 AI。**对 Agent 说”帮我导入这个 PDF”或”保存这篇文章：{URL}”，Agent 会自动处理。
不管哪种方式，文件最终都落到同一个地方：`~/llmwiki/inbox/`。然后一个叫 watchdog 的后台脚本接管后续处理：
1. 检测到新文件
2. 判断文件类型——文本文件直接处理，二进制文件先用 MarkItDown 转成 Markdown
3. 存档原始文件到`raw/sources/`目录（按日期归档）
4. 保存转换后的 .md 文件到`wiki/sources/`目录
5. 导入 GBrain 数据库（存储 + 生成向量索引 + 提取实体关联）
6. 原始文件移到`inbox/.processed/`归档
整个过程全自动。用户只需要把文件丢进去，剩下的交给系统。
查询的时候，三种方式都能用：命令行`gbrain search “关键词”`或`gbrain query “如何构建投资组合”`（语义搜索）；Obsidian 搜索框；直接问 Agent。Agent 通过 MCP 协议连接 GBrain，搜索知识后基于结果生成回答。
## 实际使用场景
搭好之后的日常是这样的：
**场景一：保存文章。**早上看到一篇好文章，浏览器里用 MarkDownload 扩展一键复制 Markdown，粘贴给 Agent，说”保存到知识库”。Agent 自动提取关键信息、识别文中提到的人物和公司、创建知识页面、建立关联。整个过程几秒钟。
**场景二：导入报告。**下午收到一份研究报告 PDF，拖到上传页面。几秒钟后就能搜到了。问 Agent”这份报告的核心观点是什么”，它能基于报告内容回答。问”报告里提到了哪些公司”，它能列出并自动关联到知识库里已有的公司页面。
**场景三：保存会议记录。**开完会，把微信聊天记录复制给 Agent，说”保存这段讨论”。它会提取参与者、识别关键决策、创建时间线事件。下次问”上次关于 XX 的讨论结论是什么”，直接就能找到。
**场景四：研究辅助。**做研究的时候，问 Agent”我之前保存过哪些关于因子投资的资料”，它会搜索知识库，列出相关文章、报告、会议记录，还能基于这些内容做综合分析。
所有知识都存在本地 Mac Studio 上，不上传到任何云端。搜索的时候，既能精确匹配关键词，也能理解语义——比如搜”如何控制回撤”，即使文章里没有”回撤”这两个字，只要内容是关于风险控制的，也能找到。
## 技术实现
整套系统跑在一台 Mac Studio上，不依赖外部服务。
**语言模型：**GBrain 用的三个模型全部本地部署。搜索意图理解和回答生成用 Qwen3.5-27B，向量 embedding 用 Qwen3-Embedding-8B，通过 omlx 推理服务器提供 OpenAI 兼容的 API。完全离线运行，不需要调用任何外部 API。
**数据库：**PostgreSQL + pgvector。向量维度 1024，支持高效的语义相似度搜索。
**服务部署：**GBrain 以 HTTP 服务方式运行，监听 3131 端口，绑定 0.0.0.0（内网可访问）。支持 Bearer Token 认证，可以为不同的 Agent 创建不同的 Token。文件上传服务监听 8199 端口。两个服务都配置了 macOS launchd 开机自启，Mac Studio 开机后自动运行。
**文件处理：**watchdog 脚本基于 fswatch 监控文件系统事件，只处理最近 1 分钟内新增的文件。MarkItDown 安装在独立的 Python 虚拟环境中，不影响系统 Python。
**Agent 接口：**通过 MCP（Model Context Protocol）协议暴露 81 个工具，包括搜索、读写、关联、标签、时间线等。Agent 调用时需要在请求头带 Bearer Token，响应格式是 SSE（Server-Sent Events）。
## 局限
这套系统有几个明显的局限：
**只支持文本。**图片、音频、视频没法直接入库，需要先转成文字。MarkItDown 支持图片 OCR 和音频转文字，但效果取决于原始文件质量。
**需要手动维护结构。**虽然有自动分类和实体提取，但知识的组织还是需要人工干预。概念之间的关联、实体的归类、重要程度的判断，Agent 能辅助但不能完全替代人的决策。
**本地部署，没有云端同步。**数据存在本地 Mac Studio 上。如果需要多设备访问，只能通过内网。没有自动备份机制，需要自己定期备份 PostgreSQL 数据库。
**学习成本。**日常使用很简单——拖文件、问 Agent。但如果要深入了解系统配置、故障排查、自定义工作流，需要一定的技术基础。至少要熟悉命令行和 Markdown。
**模型能力上限。**本地部署的 27B 模型在复杂推理上不如 GPT-4 或 Claude，实体提取和语义搜索的准确率也有提升空间。但好处是完全离线、没有 API 费用、数据不出本地。
## 适合谁
这套系统适合以下场景：个人知识管理，信息量大、来源分散；需要 AI 辅助整理和检索知识；注重数据隐私，不想把知识上传到第三方平台；有一定的技术能力，能处理基本的命令行操作。
不太适合的场景：团队多人协作（这是个人知识库设计，没有多用户权限管理）、需要严格版本管理的文档（用 Git 更合适）、纯图片/视频类素材管理。
## 总结
这套系统的核心思路：**知识统一存为 Markdown，用向量数据库做语义搜索，通过 MCP 让 AI Agent 能读能写。**
技术栈不复杂：PostgreSQL + pgvector 做存储和搜索，Qwen 做语言模型，Obsidian 做编辑器，MarkItDown 做格式转换，一个 watchdog 脚本做自动化处理。所有组件都是开源的，跑在本地，数据不出 Mac。
搭好之后最大的感受：**知识终于能被搜到了。**不管是几周前保存的文章，还是昨天的会议记录，问 Agent 一句话就能找到。而且 Agent 能基于知识库回答问题、生成分析、做头脑风暴——这才是知识管理的最终目的，不只是存起来，而是能用起来。
[登录查看剩余 70% 内容](javascript:void (0);)
https://www.53ai.com/keyword/AI%E7%9F%A5%E8%AF%86%E5%BA%93https://www.53ai.com/keyword/%E4%B8%AA%E4%BA%BA%E7%9F%A5%E8%AF%86%E7%AE%A1%E7%90%86https://www.53ai.com/keyword/%E7%9F%A5%E8%AF%86%E7%AE%A1%E7%90%86
分享：
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
53AI，企业落地大模型首选服务商
**产品**：场景落地咨询+大模型应用平台+行业解决方案
**承诺**：免费POC验证，效果达标后再合作。**零风险落地应用大模型**，已交付160+中大型企业
https://www.53ai.com/news/zhishiguanli/2026063004391.htmlhttps://www.53ai.com/news/zhishiguanli/2026062952940.html
https://www.53ai.com/news/zhishiguanli
相关资讯
https://www.53ai.com/news/zhishiguanli/2026070483450.htmlhttps://www.53ai.com/news/zhishiguanli/2026070298312.htmlhttps://www.53ai.com/news/zhishiguanli/2026070210735.htmlhttps://www.53ai.com/news/zhishiguanli/2026070128069.htmlhttps://www.53ai.com/news/zhishiguanli/2026070103542.htmlhttps://www.53ai.com/news/zhishiguanli/2026070130596.htmlhttps://www.53ai.com/news/zhishiguanli/2026063070523.htmlhttps://www.53ai.com/news/zhishiguanli/2026063026970.html
https://www.53ai.com/solution.html
https://www.53ai.com/solution.html
160+中大型企业正在使用53AI
[立即咨询](javascript:void(0))[预约演示](javascript:void(0))
https://www.53ai.com/news/dongtai/2025012294502.htmlhttps://www.53ai.com/news/dongtai/2025012234192.html
https://hub.53ai.com/
热点资讯
https://www.53ai.com/news/zhishiguanli/2026040727630.htmlhttps://www.53ai.com/news/zhishiguanli/2026042838960.htmlhttps://www.53ai.com/news/zhishiguanli/2026041292651.htmlhttps://www.53ai.com/news/zhishiguanli/2026040796142.htmlhttps://www.53ai.com/news/zhishiguanli/2026060472109.htmlhttps://www.53ai.com/news/zhishiguanli/2026040705498.htmlhttps://www.53ai.com/news/zhishiguanli/2026042094382.htmlhttps://www.53ai.com/news/zhishiguanli/2026061189154.htmlhttps://www.53ai.com/news/zhishiguanli/2026042650829.htmlhttps://www.53ai.com/news/zhishiguanli/2026040807925.html
大家都在问
https://www.53ai.com/news/zhishiguanli/2026070483450.htmlhttps://www.53ai.com/news/zhishiguanli/2026063028037.htmlhttps://www.53ai.com/news/zhishiguanli/2026062952940.htmlhttps://www.53ai.com/news/zhishiguanli/2026062917592.htmlhttps://www.53ai.com/news/zhishiguanli/2026061976038.htmlhttps://www.53ai.com/news/zhishiguanli/2026060469170.htmlhttps://www.53ai.com/news/zhishiguanli/2026060124079.htmlhttps://www.53ai.com/news/zhishiguanli/2026052737860.html
热门标签
https://www.53ai.com/news/neirongchuangzuohttps://www.53ai.com/news/LargeLanguageModelhttps://www.53ai.com/news/gerentixiaohttps://www.53ai.com/news/langchainhttps://www.53ai.com/news/llamaindexhttps://www.53ai.com/news/MultimodalLargeModelhttps://www.53ai.com/news/RAGhttps://www.53ai.com/news/zhinengkefuhttps://www.53ai.com/news/knowledgegraphhttps://www.53ai.com/news/finetuninghttps://www.53ai.com/news/RAGFlowhttps://www.53ai.com/news/cozehttps://www.53ai.com/news/difyhttps://www.53ai.com/news/fastgpthttps://www.53ai.com/news/Bishenghttps://www.53ai.com/news/Qanythinghttps://www.53ai.com/news/AIqichehttps://www.53ai.com/news/AIjinronghttps://www.53ai.com/news/AIgongyehttps://www.53ai.com/news/AIpeixunhttps://www.53ai.com/news/AISaaShttps://www.53ai.com/news/tishicikuangjiahttps://www.53ai.com/news/tishicijiqiaohttps://www.53ai.com/news/AIdianshanghttps://www.53ai.com/news/AImianshihttps://www.53ai.com/news/shuziyuangonghttps://www.53ai.com/news/zhinengbaobiaohttps://www.53ai.com/news/zhishiguanlihttps://www.53ai.com/news/OpenSourceLLMhttps://www.53ai.com/news/zhinengyingxiaohttps://www.53ai.com/news/zhinengyingjianhttps://www.53ai.com/news/zhinenghuagaizaohttps://www.53ai.com/news/AIyiliaohttps://www.53ai.com/news/MaxKBhttps://www.53ai.com/news/Palantirhttps://www.53ai.com/news/Gleanhttps://www.53ai.com/news/Openclaw
[应聘简历请发送至： ceo@53ai.com](mailto:ceo@53ai.com)
https://www.53ai.com/product.html
https://www.53ai.com/product/quanyuanAIhttps://www.53ai.com/product/gongzuoduihuahttps://www.53ai.com/product/neirongchuangzuohttps://www.53ai.com/product/zhinengwendanghttps://www.53ai.com/product/mofacaidan
https://www.53ai.com/product/yewuAIhttps://www.53ai.com/product/weixinfenshenhttps://www.53ai.com/product/haiwaikefuhttps://www.53ai.com/product/guanwangkefuhttps://www.53ai.com/product/douyinkefuhttps://www.53ai.com/product/shuzilaoshihttps://www.53ai.com/product/shuzidudaohttps://www.53ai.com/product/zhinengfuwutai
https://www.53ai.com/product/AIXyewuhttps://www.53ai.com/product/zhinengwenshuhttps://www.53ai.com/product/zhinengshenhehttps://www.53ai.com/product/zhinenggongdanhttps://www.53ai.com/product/qiweigenjinzhushouhttps://www.53ai.com/product/zhinengbaojiahttps://www.53ai.com/product/qiweixiaoshouzhushouhttps://www.53ai.com/product/zijianyingyonghttps://www.53ai.com/product/qiweikefuzhushou
https://www.53ai.com/consulting.htmlhttps://www.53ai.com/fine-tuning.html
https://www.53ai.com/kehuanli.html
https://www.53ai.com/kehuanli/hangyeanlihttps://www.53ai.com/kehuanli/solution
https://www.53ai.com/news.html
https://www.53ai.com/news/qianyanjishuhttps://www.53ai.com/news/agentplatformhttps://www.53ai.com/news/hangyeyingyonghttps://www.53ai.com/news/qiyejingyinghttps://www.53ai.com/prompt.html
https://www.53ai.com/about.html
https://www.53ai.com/about/introductionhttps://www.53ai.com/about/cooperation
友情链接：
https://www.waytoagi.com/https://www.yuncan.com/https://www.wescrm.com/https://www.mingpian.top/https://www.uweb.net.cn/
CopyRight © 2012-2026 深圳市博思协创网络科技有限公司 版权所有
https://beian.miit.gov.cn/
广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层）
深圳：深圳市福田区泰然四路29号天安创新科技广场一期A座1204
上海：上海市浦东新区金新路58号1602室
微信扫码
和创始人交个朋友
联系我们
售前咨询
[186 6662 7370](tel:18666627370)
预约演示
[185 8882 0121](tel:18588820121)
微信扫码
添加专属顾问
回到顶部
加载中…
扫码咨询
[](https://www.53ai.com/news/zhishiguanli/2026063075681.html)
https://work.weixin.qq.com/ca/cawcde2599cf74e2d9https://work.weixin.qq.com/ca/cawcdefb661890e885[电话咨询](tel:400-838-1185)
扫码登录
– [x] 登录即表示您同意[《53AI网站服务协议》](javascript:void(0);)
服务协议
欢迎您使用【53AI 官方网站】（以下简称“本网站”或“我们”）。本《会员服务协议》（以下简称“本协议”）是您（以下简称“会员”或“用户”）与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前，请务必审慎阅读、充分理解各条款内容，特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时，即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站：指由【深圳市博思协创网络科技有限公司】运营的，域名为【53ai.com】的网站及相关移动端页面。
会员服务：指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容：指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式：本网站支持以下登录方式，您可根据实际情况选择：
微信公众号授权登录：您同意将您的微信OpenID信息授权给本网站，用于创建或关联会员账号。
手机验证码登录：您需提供真实有效的手机号码，并通过短信验证码完成身份验证与登录/注册。
账号安全：您的账号仅限您本人使用，禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失，由您自行承担。
实名认证：根据相关法律法规要求，我们可能要求您在特定功能下完成实名认证。如您拒绝提供，可能无法使用部分或全部服务。
未成年人保护：若您未满18周岁，请在法定监护人的陪同下阅读本协议，并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限：会员登录后，有权按照其会员等级对应的权限范围，在线浏览、检索本网站知识库中的相关文章及内容。
服务变更：我们有权根据业务发展需要，调整、变更或终止部分服务内容，并将以网站公告、公众号消息等方式提前通知。
禁止行为：您在使用服务时不得实施以下行为：
利用技术手段批量爬取、下载、转存知识库内容；
将知识库内容用于商业目的或未经授权地向第三方传播；
干扰本网站正常运行或侵犯其他用户合法权益；
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属：本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有，受《中华人民共和国著作权法》等法律保护。
有限许可：本网站授予会员一项非独占、不可转让、不可转授权的普通许可，仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责：未经书面许可，任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现，我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息，请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息，我们将严格按照《个人信息保护法》的规定处理，仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性：知识库内容仅供参考，不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证，您应自行判断并承担使用风险。
不可抗力：因自然灾害、政策法规变化、网络故障、第三方平台接口异常（如微信接口维护、运营商短信通道故障）等不可抗力导致的服务中断或延迟，我们不承担违约责任。
第三方链接：本网站可能包含指向第三方网站的链接，该等网站的内容和服务不受我们控制，请您自行甄别风险。
七、 违约责任
如您违反本协议约定，我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施，并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失，您应承担全部赔偿责任（包括但不限于罚款、赔偿金、律师费、公证费等）。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议，双方应友好协商解决；协商不成的，任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议，取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的，不影响其他条款的效力。
我们对本协议享有最终解释权，并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效，继续使用服务即视为同意修订内容。
[已查阅](javascript:void(0);)
安全验证
拖动下方拼图完成验证
AI生成背景
您的速度已超过 99% 的用户
验证错误,请重试
确定
安全验证
刷新验证码
反馈
切换无障碍验证
切换常规验证
