三步自建 AI 第二大脑Khoj 本地部署与使用完整指南【免费下载链接】khojYour AI second brain. Self-hostable. Get answers from the web or your docs. Build custom agents, schedule automations, do deep research. Turn any online or local LLM into your personal, autonomous AI (gpt, claude, gemini, llama, qwen, mistral). Get started - free.项目地址: https://gitcode.com/GitHub_Trending/kh/khojKhoj 是一款可自托管的开源 AI 知识助手能对你的本地文档、笔记和代码做语义搜索与对话问答RAG检索增强生成把散落在各处的文件变成一个问得出答案的个人知识库。这篇文章带你从安装、接数据源到定制 agent 和定时任务完整跑通一遍。Khoj 适合什么人先看清三个典型痛点在装任何东西之前先对号入座一下。如果你遇到过下面任何一条Khoj 就是为你这类场景设计的文件太多找不到PDF、Markdown、Word、org 笔记堆了几百个关键词搜索总是差一点问答靠脑子同一个技术细节反复查、反复忘没有地方沉淀不想把数据交出去文档涉及工作或个人隐私不想上传到别人的云服务Khoj 的做法是在你自己的机器上起一个服务把你的文档切成小块并生成向量嵌入把文本变成可比较数学向量的技术之后你用自然语言提问它先检索最相关的片段再交给大模型生成回答。全程数据留在内网甚至可以完全离线运行。3 步跑通本地 Khoj 实例整个安装过程很短官方支持 pip 和 Docker 两条路线这里以 pip 为例Docker 路线用仓库里的docker-compose.yml启动即可。第 1 步安装服务python -m pip install khoj[local]第 2 步启动服务USE_EMBEDDED_DBtrue khoj --anonymous-mode--anonymous-mode免登录适合单机单用户场景。首次启动会引导你创建管理员账号、选择可用的聊天模型。第 3 步打开网页终端出现 Khoj is ready to engage即就绪浏览器访问http://localhost:42110进入 Web 应用如果后面想换模型或做高级配置所有设置都在http://localhost:42110/server/admin管理面板里完成。如何把你的笔记和代码接入 Khoj装好只是骨架喂数据才是关键。Khoj 提供了四种同步方式按需求选方式适合场景说明Desktop / Obsidian / Emacs 客户端有固定笔记目录客户端持续监听文件夹文件增删改自动重新索引Notion 同步笔记在 Notion在 Web 应用里直接绑定 Notion 工作区拖拽上传临时问几个文件在聊天框直接拖入 PDF、图片等GitHub 集成想把代码库也纳入指定仓库后把源码当作可搜索文档同步完成后Khoj 会用双编码器模型为每个文档块生成语义向量之后所有搜索和问答都基于这些向量进行从语义搜索到文档问答Khoj 是怎么回答你的搜索用的是两阶段方案双编码器先粗筛出最相关的文档块再用更慢但更准的 cross-encoder 重排兼顾速度和精度。所以你用上次开会提到的那个缓存方案这种模糊问法也能命中内容而不是要求原文精确匹配。问答则是典型 RAG 流程你的问题被转成语义向量检索出最相关的笔记片段片段 对话历史一起送进聊天模型回答生成后会附上引用来源方便你核对原文两个实用技巧能让命中率明显提升查询过滤器支持按词、日期、文件精确限定范围例如file:meeting.org dt2026-01-01 缓存语法细节见 查询过滤器文档斜杠命令/notes强制只基于你的笔记回答/general只用模型通识回答/code显式调用代码执行进阶玩法自定义 Agent 与定时研究任务跑通搜索和聊天后Khoj 还有几个容易被忽略的能力适合用深了的阶段自定义 Agent在管理面板里为每个 agent 单独设置人设提示词、专属聊天模型和工具组合比如一个只看产品文档、只回答架构问题的角色定时自动化设定 cron 计划Khoj 会定时执行你的研究查询把结果以邮件形式发到收件箱——做周报摘要、行业动态速报很合适代码执行让 Khoj 生成并运行 Python 代码做数据分析、出图表弥补大模型不擅长精确计算的短板图像生成与语音支持文生图和消息朗读把知识库延伸成多模态助手在线还是离线聊天模型怎么选Khoj 的模型层完全可插拔两类方案按需搭配在线模型在管理面板填入 OpenAI、Anthropic、Gemini 的 API key注册对应的聊天模型即可能力最强但查询会发到对应服务商离线模型本地起一个 OpenAI 兼容端点如 Ollama、llama.cpp server把它的地址填进 AI Model API 配置重启后模型自动出现。整机脱网也能用隐私拉满代价是对硬件有要求建议 16GB 显存档级最低 8GB 内存搜索模型同理自托管默认带一套够用的本地搜索模型想换多语言或更新的嵌入模型在管理面板的 SearchModelConfig 里改配置并重建索引即可。更多细节见 官方部署文档。总结一下Khoj 的价值在于数据不出内网 问答基于你自己的文档安装十分钟能跑起来接入笔记目录后收益才真正开始。不妨现在就装一个把你的文档目录同步进去问它一个你早就想不起来答案的问题试试遇到问题或有功能想法欢迎到项目仓库提 issue 或参与贡献。【免费下载链接】khojYour AI second brain. Self-hostable. Get answers from the web or your docs. Build custom agents, schedule automations, do deep research. Turn any online or local LLM into your personal, autonomous AI (gpt, claude, gemini, llama, qwen, mistral). Get started - free.项目地址: https://gitcode.com/GitHub_Trending/kh/khoj创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考