SuperAPI AI 工具集
合作ENAI 行业资讯收藏
全部工具AI编程工具knowledge-rag

knowledge-rag

knowledge-rag 是面向 Claude Code、Cursor、Windsurf、VS Code、Cline、Gemini CLI、Zed 等 MCP 客户端的本地 RAG 服务器。它提供混合检索（语义向量 + BM25）、交叉编码器重排序、Markdown 感知分块与查询扩展，支持 13 个 MCP 工具与 20 多种文件格式解析。采用 FastEmbed ONNX 在进程内生成嵌入，使用 ChromaDB 持久化，无需 Docker、Ollama 或独立嵌入服务，首次模型下载（约 200MB）后可离线运行，零云 API、零 API 密钥。内置可选 Bearer 认证、Prometheus 指标、限流、健康探针与结构化 JSON 日志等企业级能力，MIT 许可。

访问官网

工具介绍

用途

knowledge-rag 是面向 MCP 客户端的本地 RAG（检索增强生成）服务器，适用于 Claude Code、Cursor、Windsurf、VS Code、Cline、Gemini CLI、Zed 等。它让 AI 智能体在回答前优先检索本地知识库，将“能访问 RAG 的 AI”变为“真正先用 RAG 的 AI”。项目强调 100% 本地、零云依赖，嵌入生成、索引和检索均在本地完成。

主要能力

  • 混合检索：语义向量 + BM25 关键词检索，可选 FTS5 词法快速路径。
  • 交叉编码器重排序：使用 Xenova/ms-marco-MiniLM-L-6-v2 对候选池评分。
  • Markdown 感知分块与查询扩展；支持 35 种文件格式解析（资料中另有“20 format parsers”表述，具体数值以仓库为准）。
  • 13 个 MCP 工具，覆盖检索与知识库 CRUD 操作。
  • 查询缓存：LRU + 5 分钟 TTL，写操作时失效。
  • 暂存重建：在不影响当前集合的情况下构建并校验新集合，发布失败可回滚。
  • 异步后台重建，通过 get_reindex_status() 轮询状态。
  • 10 个面向 AI 智能体的行为技能（skills/ 目录），按类型组织，帮助智能体主动使用 RAG。
  • 企业级功能：Bearer 令牌认证、Prometheus /metrics、限流、健康探针、结构化 JSON 日志、路径穿越与符号链接逃逸防护。

使用方式

共有三条集成路径，服务端在每条通道中相同。

路径 1：MCP 客户端（Claude Code、Cursor、Windsurf、Cline、VS Code、Gemini CLI、Zed） 将 PDF、Markdown、代码文件放入 documents/ 目录，重启 MCP 客户端即可提问。首次查询会加载约 200MB 的 ONNX 嵌入模型（一次性下载），后续查询走缓存，可达到亚秒级延迟。

安装命令： pip install knowledge-rag

安装技能有两种最短路径，安装后重启 Claude Code 即可：

  • 选项 1（资料未给出具体命令）
  • 选项 2 支持 --project、--only rag-check-first,rag-cite-sources、--dry-run、--help 参数（资料未给出完整命令字符串）。

路径 2：HTTP / SSE 服务器（多用户、气隙、负载均衡）

  • 健康探针：curl http://your-host:8179/health → 200 + JSON 负载
  • Prometheus 抓取：http://your-host:9179/metrics
  • MCP 调度：通过 Authorization: Bearer your-secret-token 认证

多客户端共享（Streamable HTTP）：当多个客户端共享同一索引和进程时，以 Streamable HTTP 方式运行一次，各 HTTP 客户端指向同一端点。本地 MCP 客户端（Cursor、LM Studio 等）可将远程服务器 URL 指向 http://127.0.0.1:8179/mcp。Claude 自定义连接器（远程 MCP）请求来自 Anthropic 云基础设施，无法访问本地 127.0.0.1，需通过 HTTPS 公网端点暴露，例如 Cloudflare Tunnel、ngrok 或反向代理，指向 https://your-public-domain/mcp；代理需发送 HTTP 应用可接受的 Host，默认回环配置为 127.0.0.1:8179，否则可能出现 421 Invalid Host header。在 Claude（Pro/Max：Customize > Connectors > + Add > Add custom connector；Team/Enterprise：Organization settings > Connectors）中输入公网端点，在 Request headers 中设置 Authorization: Bearer <your-token>，与 config.yaml 中 server.auth.bearer_token 一致。启用 HTTP 传输时，knowledge-rag 自动开启单实例锁（KNOWLEDGE_RAG_SINGLE_INSTANCE=1），防止多个服务器绑定同一数据目录或端口。默认主机为 127.0.0.1；若绑定 0.0.0.0 或跨网络部署，应在 config.yaml 配置 server.auth.bearer_token 并通过反向代理（Caddy、Nginx）终止 TLS，否则服务器会警告 HTTP 端点未认证。

路径 3：Docker（模型已预下载，气隙就绪）。

完整安装说明（5 种方法、8 种 MCP 客户端配置、GPU 设置）：docs/INSTALLATION.md

适用场景

  • 安全团队（红队/蓝队/CTF）：预设 cybersecurity.yaml，8 个类别、200+ 路由关键词、69 个查询扩展，可索引 MITRE ATT&CK、威胁报告、漏洞利用文章和事件报告，通过 search_knowledge("privilege escalation windows") 检索。
  • 开发团队：预设 developer.yaml，9 个类别、150+ 路由关键词、50+ 扩展，索引架构文档、ADR、运行手册、代码、API 规范，替代在 Confluence 中翻找。
  • 研究实验室：预设 research.yaml，9 个类别、100+ 路由关键词、40+ 扩展，索引 arXiv 论文、实验笔记、数据集文档。
  • 企业知识库（气隙、可审计）：预设 general.yaml，通过单台 VM 上的 SSE 部署，40+ 用户 Bearer 认证、限流、Prometheus 监控、/health 探针接入负载均衡、JSON 日志发送到 Datadog。

限制与说明

  • 100% 本地指嵌入生成、索引和检索本地运行；模型下载和 add_from_url 需要网络访问，配置的 MCP 客户端会收到检索内容。
  • 项目不认证监管合规；客户需自行选择语料库、客户端权限和网络暴露范围。
  • 默认主机为 127.0.0.1；跨网络部署需自行配置认证与 TLS。
  • 检索内容应被视为不可信数据，客户端需自行处理。
  • CI 覆盖不保证零缺陷；审计报告记录的是可复现的本地工作负载及其限制，与旧实现的对比并非与其他 RAG 框架的速度比较。
  • GPU 可选，CPU 配合 FastEmbed ONNX 可正常工作；NVIDIA CUDA 嵌入与实验性 Windows AMD DirectML 为可选，CPU 回退。
  • 具体价格、收费模式资料未提供。

同类工具

查看分类