内容
<div align="center">
<img src="desktop/renderer/design/assets/sprites/lore-familiar.png" alt="Lore" width="140" />
# 知识管理系统 📖
**一款优先考虑本地化的知识操作系统，取代Obsidian并真正实现记忆功能。**
你的笔记，你的机器，你的知识图谱。Lore监控你的文件，将它们链接成一个知识图谱，
并通过回忆至上的、权限控制的检索功能回答关于所有内容的提问。无需云服务，无需API密钥，
无需任何数据离开你的机器。
[](https://github.com/Anish-I/lore/actions/workflows/ci.yml)
[](LICENSE)
```
$ lore ask "我对kalshi bot有什么决定?"
```
</div>
---
## ✨ Lore的独特之处
- **🔒 优先考虑本地化和私密性** — 本地模型（fastembed BGE + cross-encoder，Ollama用于回答）完全在设备上运行。
无需密钥，无需遥测，无需数据离开设备。Voyage是一个可插拔的选项，而不是依赖项。
- **🎯 可信赖的回忆** — 混合 **密集（BGE）+ BM25稀疏 + cross-encoder重排序**，具有查询自适应的融合和专用的精确ID通道。
构建并针对对抗性近重复语料库进行调优。
- **🕸️ 真正的知识图谱** — wikilinks、文件夹和标签成为边；可缩放的画布（d3-force）允许您像在Obsidian中一样探索连接，
点击节点打开笔记。
- **🧹 自我维护** — Lore的 **维护作业将短暂的日期/会话笔记转换为持久的主题节点**，自动将它们的内容折叠到主题下，
并随着时间的推移保持图谱以主题为中心。
- **🪝 Lore Hooks** — 从Claude Code / Codex / Copilot一键自动捕获到您的图谱（已编辑、去抖动、完全本地），
以便您的人工智能工作成为可搜索的知识。
- **🧙 向导（可安装的知识库）** — 一个精选知识库的应用商店，您可以安装、评分和同步到您的库中。
- **🔌 MCP服务器 + CLI** — 将您的Lore暴露给任何AI工具（`lore_ask`、`lore_search`、`lore_graph`），
并从终端查询它（`lore ask`、`lore search`）。
- **👥 默认权限控制** — 每个笔记都有一个范围（`private` / `team` / `enterprise`）；检索在查询内部过滤，
因此您只能看到您有权访问的内容。为团队构建（长期目标：自托管 **Glean** 替代方案）。
## 🏗️ 架构
| 层 | 描述 |
|-------|------|
| **桌面端** (`desktop/`) | Electron应用 — 文件资源管理器、编辑器、Ask、图谱、Hooks、向导、设置。 |
| **Python核心** (`core/lore/`) | FastAPI on `:8099` — ingestion, indexing, recall, upkeep, capture. |
| **Qdrant** | 向量 + BM25检索，带有ACL过滤器 *在查询中应用*。 |
| **Postgres** | 真相来源 — 笔记、原始正文、范围和图谱边。 |
**处理流程：** 混合密集 + BM25 → RRF → 1跳图谱展开 → cross-encoder重排序 → 引用答案。
**模型：** BGE-small-en-v1.5（密集） · Qdrant/bm25（稀疏） · ms-marco-MiniLM-L-6-v2（重排序） · Ollama（答案）。
## 🚀 快速开始
**桌面应用（推荐）**
```bash
docker compose up -d # Qdrant :6333 + Postgres :5433
cd desktop && npm install
npm start # 启动Python后端 + 打开应用
```
**仅后端（开发）**
```bash
docker compose up -d
cd core && pip install -e ".[dev,local]" # local = 离线模型
python -m uvicorn lore.api:app --port 8099 # http://localhost:8099/
```
## 💻 CLI & MCP
```bash
pip install -e ./core # 安装 `lore` 和 `lore-mcp` 命令
lore ask "总结我的wingman架构" --scope private
lore search "rag rerank"
lore graph # 节点/边计数
```
在桌面应用中激活 **MCP服务器** （设置 → 集成）或手动将其添加到
`~/.claude/.mcp.json`：
```json
{ "mcpServers": { "lore": { "command": "python", "args": ["-m", "lore.mcp_server"], "cwd": "core" } } }
```
只读工具 `lore_ask`、`lore_search`、`lore_graph` 允许任何MCP客户端查询您的Lore。
## 🧪 测试 & CI
```bash
cd core && pytest -q # 单元测试 + 集成测试（使用FakeEmbedder，无模型下载）
```
每次推送都会运行 [CI工作流](.github/workflows/ci.yml)：Python套件针对临时
Postgres + Qdrant服务，以及Electron主进程语法和渲染器JSX验证。标记
`v*` 触发 [发布工作流](.github/workflows/release.yml) 以构建桌面安装程序。
## 🗺️ 路线图
- 打包Python/Qdrant侧车以实现真正的独立签名`.exe`
- 更广泛的摄入（Docling / Marker / OCR）
- GitHub `.lore` 包 — 提交一个存储库笔记的小型包，它在拉取时解压缩到Lore中
- 团队/企业跨 vault 范围 + 身份验证
- 边缘代理：本地监视/蒸馏/嵌入，带有持久服务器作为真实来源
参见 `docs/superpowers/specs/` 以获取设计规格，`docs/BACKLOG.md` 以获取待办事项。
## 📜 License
在 **[Apache License 2.0](LICENSE)** 下许可 — 免费使用、修改和分发，包含明确的专利许可。
2026 Anish Ivaturi 版权所有。
