Khoj

正常
GitHub Python AGPL-3.0

简介

Khoj 是一个可自托管的 AI 第二大脑,支持从网页和文档中获取答案、构建自定义 Agent、安排自动化任务和深度研究。

核心特性

  • 多 LLM 支持 — 本地和云端 LLM 灵活切换,支持 llama3、qwen、gemma、mistral、gpt、claude、gemini、deepseek
  • 多格式文档检索 — 从 PDF、Markdown、Word、Notion、org-mode、图片等文件中获取答案
  • 自定义 Agent 创建 — 支持自定义知识库、人格、聊天模型和工具,构建专属 AI 助手
  • 多端访问 — 通过浏览器、Obsidian、Emacs、桌面应用、手机或 WhatsApp 使用
  • 语义搜索 — 高级语义检索快速找到相关文档,支持自动化的个人简报和智能通知

适用场景

💡 个人知识管理 — 将文档、笔记、邮件等导入 Khoj,构建可对话的第二大脑
💡 团队知识共享 — 部署企业版供团队使用,通过自定义 Agent 为不同角色提供专属助手
💡 自动化研究简报 — 设置自动化任务,定期从多个数据源生成个人新闻简报并推送到邮箱
💡 Obsidian 笔记增强 — 通过 Obsidian 插件直接对笔记库进行语义搜索和问答

优势与不足

优势

  • 社区热度高(37.2k stars)
  • 项目有一定历史沉淀(已维护 5 年)
  • Issue 响应及时,积压少

⚠️ 不足

  • 许可证限制较多(AGPL-3.0)

快速开始

pip install khoj

# Start Khoj locally
khoj

相关项目

MaxKB

22.7k · Python
活跃 A+

MaxKB 是基于 LLM 大模型的开源知识库问答与 Agent 构建平台,支持向量检索、工作流编排与多种模型接入,开箱即用。

knowledge-baseragchatbot +3
  • · RAG 流水线 — 支持文档上传与在线爬取,自动切分、向量化,有效减少大模型幻觉
  • · Agentic 工作流 — 强大的工作流引擎、函数库与 MCP 工具调用,满足复杂业务场景
  • · 零代码集成 — 无缝接入第三方业务系统,快速赋予现有系统智能问答能力

Kotaemon

25.7k · Python
正常 A

Kotaemon 是开源 RAG 文档对话工具,支持与 PDF 等文档进行智能问答,提供简洁的聊天界面与多种 LLM 和嵌入模型后端。

ragdocument-qapdf +2
  • · 混合检索管道 — 同时使用全文检索和向量检索,配合重排序确保最高检索质量
  • · 多模态文档问答 — 支持 PDF、HTML、XLSX 等格式,可解析文档中的图表和表格
  • · 高级引用与文档预览 — 提供带评分的相关性引用,内置浏览器 PDF 阅读器支持高亮预览

MemAgent

1.1k · Python
不活跃 B

可扩展至 350 万上下文 token 的记忆智能体框架,附带用于任意智能体工作流 RL 训练的训练框架,解决长上下文记忆难题。

memoryagentrag +2
  • · 超长上下文处理:从 8K 训练上下文外推至 350 万 token,性能损失低于 5%
  • · 强化学习驱动:采用 RLVR(可验证奖励强化学习)训练,扩展 DAPO 算法支持多轮对话端到端优化
  • · 线性时间复杂度:突破长文本处理的计算瓶颈,资源随文本长度线性扩展

Memori

16.5k · Python
活跃 A+

Agent 原生记忆基础设施,将 Agent 执行过程和对话转化为结构化持久状态,提供 LLM 无关的记忆管理层,支持 MCP 集成和 Python/TypeScript 双语言 SDK。

memoryagentrag +3
  • · Agent 原生记忆基础设施,自动将对话和执行过程转化为结构化持久状态
  • · LLM 无关设计,支持 OpenAI、Anthropic 等任意模型提供商
  • · Python/TypeScript 双语言 SDK,MCP 一键集成 Claude Code/Cursor/Codex