loci

English · 简体中文 · 繁體中文 · 日本語 · 한국어

将散落的笔记、项目文档和 Agent 记忆整理成可搜索、可提问的知识库——可通过 MCP 服务、终端或浏览器使用。

loci 将向量搜索与 BM25 结合，并在回答中附上 file > section 格式的引用。你的文件和索引始终保存在本机。嵌入和聊天请求会发送给你配置的提供商；使用本地端点则可让整个工作流离线运行。

MCP 是核心。 在 Claude Desktop、Cursor、Cline 或其他 MCP 宿主中挂载 loci-mcp，助手即可将整个知识库作为工具使用。控制台和桌面外壳只是同一索引的备用前端——你完全不必使用它们。

快速开始 · 配置 MCP · Web 控制台 · 使用指南 · 中文说明

真实控制台界面，使用虚构演示数据。未连接任何个人知识库、账户或 API 密钥；数量仅供示意。

深色主题预览

你可以做什么

需求	loci 如何帮助你
找到埋在笔记中的某项决策	跨目录混合搜索，并支持按标签、路径和日期筛选
提问并核查依据	回答引用来源章节；可选择逐条核验主张
在 AI 工具之间传递上下文	MCP 工具共享同一个实例；持久记忆以 Markdown 文件保存
查看每个编码 Agent 记得什么	发现 Harness、浏览文件、查看各工具统计信息和摘要笔记
直观管理知识库	内置 Web 控制台，支持搜索、问答、记忆、索引和审计

Markdown、纯文本、HTML、org-mode 和聊天导出文件均可开箱即用。可选扩展还支持 PDF、Word 和 OCR。继续使用你现有的笔记编辑器或 Obsidian 知识库即可。

快速开始

先试用，无需配置

pip install loci-rag
loci demo

loci demo 会将六篇虚构笔记复制到 ./loci-demo-notes，对其分块，并回答三个示例问题——引用精确到 file > section，无需 config.toml、API 密钥或网络。它仅使用关键词（BM25；这是混合搜索与向量搜索结果融合时采用的同一排序方式），这正是它的意义所在：在你决定配置密钥之前，就能先运行起来。之后添加 [embed]，同一索引即可切换为混合搜索。

在随附示例笔记上运行 loci demo 的真实输出；路径已缩短，耗时因情况而异。

为自己的笔记建立索引

需要 Python 3.11+。从源码开始，以便使用示例配置：

git clone https://github.com/IvenKooLab/loci.git
cd loci
python -m pip install -e .
cp config.example.toml config.toml

编辑 config.toml：填写 [llm] 和 [embed]，并将 [[sources]].path 改为你的笔记目录。嵌入端点必须支持 /embeddings；聊天和嵌入可以使用不同的提供商。

loci ingest
loci search "deployment decisions"
loci ask "What did we decide about deployment, and why?"

已有配置？使用 python -m pip install loci-rag 安装软件包，并将 LOCI_HOME 设为你的实例目录。若需支持可选文档格式，请使用 python -m pip install 'loci-rag[pdf,docx]'。

可通过 BRAIN_LLM_API_KEY 和 BRAIN_EMBED_API_KEY 提供 API 密钥。更改嵌入模型后，使用 loci ingest --force 重建索引。

Web 控制台

loci serve-http

打开 127.0.0.1:8765/ui，浏览 Harness 记忆、搜索、提问、编辑共享笔记并检查索引活动。点击搜索结果会打开证据窗格，显示摘录来源的段落——引用格式为 file > section，无需离开控制台即可核查。控制台支持中英文和浅色／深色切换；无需构建前端。

默认情况下，匿名的本机回环客户端拥有管理员权限。若通过反向代理或 SSH 隧道访问，请设置 [http] local_admin = false 并配置基于角色的令牌。详见访问控制。

对于 DeepSeek Harness，loci-dsh 通过同一 HTTP 后端，将搜索、问答和记忆捕获功能引入 Harness 工作台。

连接你的 AI 工具

将每个 MCP 客户端指向同一个 LOCI_HOME，以便它们共享相同的配置、索引和记忆文件：

{
  "mcpServers": {
    "loci": {
      "command": "loci-mcp",
      "env": { "LOCI_HOME": "/absolute/path/to/your/loci-instance" }
    }
  }
}

如果客户端无法找到 loci-mcp，请使用绝对可执行文件路径。实例目录必须包含你的 config.toml。

MCP 工具	用途
brain_search · brain_ask	检索摘录或获取附有引用的答案
brain_remember · brain_forget	存储或撤回持久记忆
brain_links · brain_graph	探索笔记链接和提取出的关系
brain_wiki · brain_harness	整合知识并检查 Agent 记忆
brain_stats · brain_ingest	检查并刷新索引

服务还会提供笔记资源，以及简报、学习计划和矛盾检查提示词。详情请参阅 MCP 指南。

实际的 loci-mcp 输出：真实二进制程序中的 initialize、tools/list 和 prompts/list。

原生构建（Rust）

使用相同的检索流程和 MCP 接口，无需安装 Python 运行时—— 只需一个二进制文件，索引也会存储在单个 SQLite 文件中，而非数据库 目录中：

cargo build --release -p loci-cli     # in native/
./target/release/loci-mcp --config ~/.loci/config.toml

状态：核心功能和 MCP 已完成；打包和桌面外壳正在开发中。 参见 native/，了解已移植的内容以及用于确保行为一致的测试 （分块、冻结的 default 分词器、CJK 二元组误判案例、RRF 和 增量导入）。两个构建版本使用独立的索引——原生版本不会读取 ChromaDB 实例；迁移命令已列入计划。

简单的日常工作流

loci watch                            # keep changed documents indexed
loci remember "Use staging for demos" --title "Demo environment"
loci search "demo environment" --tag memory
loci ask "How should I prepare a demo?" --verify
loci harness                          # inspect detected agent memories

索引采用增量方式。笔记仍以 Markdown 格式保持可读。若要在多台设备上使用，请同步源文件和记忆笔记，然后在每台设备上重建本地索引；不要将凭据放入代码仓库。

查看一次检索会话

使用指南包含原始的双语检索示例，以及一个可针对你自己的语料重新运行的小型评估。

## 文档

指南	内容
使用指南 / 中文指南	命令、筛选器、Harness 设置、访问控制和本地模型
配置示例	提供方设置、来源目录和运行时选项
架构	模块和检索流程
更新日志 · 路线图	已发布的变更和计划中的工作
参与贡献	开发规范和离线测试

loci 使用兼容 OpenAI 的 SDK 和 ChromaDB，不依赖 LangChain 或 LlamaIndex。BM25、加载器和 MCP 传输均在项目中实现。

python -m pip install -e '.[dev,pdf]'
pytest  # offline tests; no API keys required

在 Glama、ModelScope 和 awesome-mcp-servers 上查找 loci。源码：GitHub · Gitee。基于 MIT 许可。