LEANN
LEANN é uma base de dados vetorial local-first e runtime RAG que recalcula embeddings sob demanda. Indexa milhões de documentos pessoais em gigabytes, preserva a precisão com poda de grafos e suporta LLMs compatíveis com OpenAI ou locais para uma recuperação rápida, privada e portátil.
Visão geral
Aponte o LEANN para documentos ou fontes de dados pessoais, escolha HNSW ou DiskANN e configure um backend LLM. No momento da consulta, ele percorre um grafo podado, calcula embeddings em falta e classifica os vizinhos antes de fornecer o contexto ao seu modelo para pesquisa e chat, sem necessidade de cloud.
Capacidades e arquitetura
LEANN é ideal para engenheiros, investigadores e profissionais preocupados com privacidade que precisam de recuperação rápida e precisa sobre vastos conhecimentos pessoais ou de equipa sem alugar uma base de dados vetorial. É igualmente útil para desenvolvedores independentes a prototipar agentes, laboratórios empresariais a validar RAG no dispositivo e equipas a gerir bases de conhecimento portáteis e duradouras entre portáteis e estações de trabalho.
- Indexe milhões de fragmentos com HNSW ou DiskANN em hardware de consumo.
- Recalcule embeddings sob demanda usando um grafo podado que preserva altos graus.
- Pesquise e-mails pessoais, conversas, histórico do navegador, documentos e código de forma segura offline.
- Use APIs compatíveis com OpenAI ou motores locais como Ollama e vLLM.
- Exporte índices, mude de dispositivo e mantenha qualidade de recuperação idêntica e reproduzível.
Destaques
Opinião do editor
Instale via uv e pip (uv pip install leann), ou construa a partir do código-fonte para ativar o DiskANN. Crie um índice com LeannBuilder, ou execute CLIs de exemplo para documentos, código, e-mails, histórico do navegador, WeChat, iMessage e exportações de chat. Configure OPENAI_API_KEY e opcionalmente OPENAI_BASE_URL para provedores compatíveis, ou use motores locais como Ollama ou LM Studio. No macOS, conceda Acesso Total ao Disco para Mail e Mensagens. Ajuste backend, grau do grafo e complexidade da pesquisa para o seu hardware. LEANN não recolhe telemetria e mantém os dados no dispositivo.
RAG local-first que troca espaço em disco por computação sem sacrificar a qualidade da recuperação.
Primeiros passos
LEANN combina um grafo de similaridade podado com embeddings sob demanda para oferecer índices compactos, portáteis e recuperação consistente em máquinas pessoais. Com backends flexíveis, compatibilidade com formato OpenAI, pipelines de exemplo ricos e zero telemetria, é uma base pragmática para RAG privado e em larga escala sem gerir armazenamentos vetoriais na cloud.
Abra a ferramenta e analise sua experiência principal.
Crie sua conta ou acesse seu workspace existente.
Use uma tarefa própria para avaliar velocidade, qualidade e adequação.
Confira ferramentas de IA semelhantes antes de tomar a decisão final.
LEANN
StarTrail-org e colaboradores focam-se em recuperação eficiente e privada de informação e infraestrutura AI local-first. A equipa avança em indexação baseada em grafos, recomputação seletiva e interfaces compatíveis com OpenAI para tornar RAG de alta qualidade prático em hardware de consumo sem dependência de cloud ou telemetria.
LEANN é uma base de dados vetorial open-source local-first e runtime de recuperação que transforma um portátil num sistema RAG de alta capacidade. Em vez de armazenar todos os embeddings, LEANN utiliza um grafo podado e recomputação seletiva para calcular embeddings sob demanda, reduzindo o armazenamento em cerca de 97% enquanto mantém alta qualidade na recuperação. Por baixo do capô, a poda que preserva altos graus e o armazenamento compacto CSR limitam a sobrecarga do grafo, e os backends HNSW ou DiskANN lidam com a pesquisa de vizinhos mais próximos em larga escala. LEANN inclui aplicações de exemplo que indexam PDFs, Apple Mail, histórico do Chrome, exportações do WeChat, arquivos do ChatGPT e Claude, e iMessage, com integração opcional MCP que se conecta ao Claude Code. Suporta APIs compatíveis com OpenAI e motores locais como Ollama, LM Studio, vLLM, llama.cpp e SGLang para geração e embeddings. Os seus dados permanecem no dispositivo, sem telemetria, com índices portáteis e desempenho previsível em corpora pessoais desorganizados.
Visitar LEANN
Comentários (0)
Nenhum comentário encontrado