一个本地优先的 AI 知识库系统（RAG），用于将本地文档接入向量检索与大模型对话流程。项目提供 Web UI，支持知识库管理、文档上传、检索增强问答、聊天记录持久化，以及基于 Ollama 或 OpenAI 兼容接口的模型接入。

AI LocalBase 适合个人或小团队在本地环境、自托管环境中快速搭建可用的知识库问答系统。

• 后端：Go + Gin
• 前端：React + Vite + TypeScript
• 向量数据库：Qdrant
• 模型接入：Ollama / OpenAI Compatible API
• 部署方式：本地启动 / Docker Compose
• 扩展能力：内置 MCP Server，可供外部 Agent / 工具系统接入

• 知识库管理：创建、删除知识库，查看文档列表
• 文档上传与索引：支持 TXT、Markdown、PDF、xlsx、csv 文件上传与解析
• 检索增强问答：基于 Qdrant 做向量检索并把命中内容注入对话上下文
• 聊天记录持久化：会话消息保存到本地 SQLite 数据库
• 配置持久化：模型配置与知识库状态保存到本地 JSON 文件
• Docker Compose 部署：支持一键拉起前端、后端、Qdrant

• 文本自动切分与批量嵌入
• 候选结果动态召回
• 关键词覆盖增强重排
• MMR 去冗余选择
• 低置信度场景二次扩召回
• 嵌入缓存与可选语义缓存
• 可选 Hybrid Search、Semantic Reranker、Query Rewrite、Context Compression

• 本地个人知识库
• 团队内部文档问答
• 自托管 RAG 原型验证
• Ollama / OpenAI 兼容模型接入测试
• 检索策略实验与评估
• 作为 MCP 能力后端供 Agent 调用

最短体验路径：

1. 启动 Qdrant：

docker compose -f docker-compose.qdrant.yml up -d

2. 启动后端：

cd backend
go run .

3. 启动前端：

cd frontend
npm install
npm run dev

4. 打开 http://localhost:5173，进入设置页配置 Chat 与 Embedding 模型。

如需更完整的命令、环境变量与接口说明，请查看 docs/getting-started.md。

适合日常开发、调试接口、修改前端页面。

1. 启动 Qdrant：

docker compose -f docker-compose.qdrant.yml up -d

2. 启动后端：

cd backend
go run .

3. 启动前端：

cd frontend
npm install
npm run dev

默认地址：

• 前端：http://localhost:5173
• 后端：http://localhost:8080
• Qdrant：http://localhost:6333

适合快速体验或自托管部署验证。

docker compose up --build

默认服务地址：

• 前端：http://localhost:4173
• 后端：http://localhost:8080
• Qdrant HTTP API：http://localhost:6333
• Qdrant gRPC：localhost:6334

如果不想本地编译，可直接使用预构建镜像：

docker compose -f docker-compose.prod.yml up -d

更多镜像、版本与部署细节见 DOCKER_DEPLOY.md。

如果希望单独使用应用编排文件，也可以执行：

docker compose -f docker-compose.app.yml up --build

打开前端后，进入 Settings 页面，分别配置 Chat 与 Embedding。

Chat 配置

• Provider: ollama
• Base URL: http://localhost:11434
• Model: qwen2.5:7b 或 llama3.2
• API Key: 留空

Embedding 配置

• Provider: ollama
• Base URL: http://localhost:11434
• Model: bge-m3 或 nomic-embed-text
• API Key: 留空

Chat 配置

• Provider: openai
• Base URL: 你的兼容接口地址，例如 https://your-api.example.com/v1
• Model: 对应聊天模型名
• API Key: 对应访问密钥

Embedding 配置

• Provider: openai
• Base URL: 你的兼容接口地址
• Model: 对应嵌入模型名
• API Key: 对应访问密钥

项目内置基础 MCP Server 能力，作为后端内嵌工具服务运行，可供外部 Agent、脚本或工具系统通过 HTTP / JSON-RPC 接入。

当前支持：

• HTTP 形式 MCP 入口
• 工具列表发现能力
• 只读 / 写入 / 危险工具权限分级
• Bearer Token 鉴权
• 限流、超时与审计日志
• 危险工具二次确认机制
• 复用现有知识库、会话、配置与检索服务

默认入口：

• GET /mcp
• GET /mcp/tools
• POST /mcp

常用环境变量：

• ENABLE_MCP：是否启用 MCP，默认 true
• MCP_BASE_PATH：MCP 挂载路径，默认 /mcp
• MCP_REQUEST_TIMEOUT_SECONDS：请求超时，默认 15
• MCP_REQUESTS_PER_MINUTE：每分钟限流，默认 120

如果你希望在 Cherry Studio 中通过 MCP 接入 AI LocalBase，可以按以下方式配置：

• 类型：可流式传输的 HTTP（streamableHttp）
• URL：http://127.0.0.1:8080/mcp
• 请求头：
  • Content-Type: application/json
  • Authorization: Bearer <你的 MCP Token>

更完整的方法、工具列表、鉴权与调用示例见 docs/mcp.md。

• 快速开始与使用指南：docs/getting-started.md
• 系统架构：docs/architecture.md
• MCP 说明：docs/mcp.md
• 检索优化计划：docs/retrieval-improvement-plan.md
• Docker 镜像与部署指南：DOCKER_DEPLOY.md
• 故障排查：TROUBLESHOOTING.md

ai-localbase/
├── backend/
├── frontend/
├── docs/
├── docker/
├── assets/
├── docker-compose.yml
├── docker-compose.qdrant.yml
├── docker-compose.app.yml
└── docker-compose.prod.yml

更完整的系统结构、模块职责与接口设计见 docs/architecture.md。

• License：LICENSE
• 贡献指南：CONTRIBUTING.md
• 安全策略：SECURITY.md
• 更新记录：CHANGELOG.md

• Community: https://linux.do
• Discord：https://discord.gg/YzFeYC66y5

如果这个项目对你有帮助，请给个 ⭐ Star。