知识库与 RAGAI 资源

Covan：面向团队共享知识的私有 AI Agent

covan-ai/covan · A shared AI agent for your team. Everyone trains it together; everyone talks to it privately. Self-hostable, AGPL-3.0.

GitHub原文发布未知首次收录 2026-09-22上架 2026-09-22 07:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

Covan 是一个可为团队自托管的共享 AI Agent。团队共同上传流程文档、合同、研究资料等知识，形成统一的 Agent 记忆；每位成员在各自隔离的私有会话中向该 Agent 提问，互不混用。它提供基于 pgvector 的文档检索与引用溯源、知识包分组、定时 Routines、协同会话与工作区导出，并支持按 Agent 选择 OpenAI 或 Anthropic 模型，也可通过自定 endpoint 接入其他兼容服务。

# self-hosted # OpenAI兼容 # 知识库与 RAG # team-collaboration # ai-agent

核心能力与快速开始

★ 21 · TypeScript

能做什么: 共享大脑与私有会话：一个团队共同训练的 Agent，每人的对话通过 Postgres 行级安全隔离，而非 API 层检查。知识包：按主题分组文档，可附加或从 Agent 上摘除。有据可依的回答：基于 pgvector 的检索，带相似度下限，回复与所依据的文档一并存储，引用在刷新后仍然保留。Routines：定时任务，可指向 RSS 或页面，结果通过邮件或 Slack 获取。协作会话：共享问题时可将团队带入同一对话或头脑风暴板。导出：一键将整个工作区下载为归档，含数据与可重放的 SQL。按 Agent 选择模型：内置 OpenAI GPT-4o、GPT-4.1、GPT-5 系列；设置 ANTHROPIC_API_KEY 后可选择 Claude Sonnet 4.6、Sonnet 4.5、Haiku 4.5。自带端点：通过 OPENAI_BASE_URL 将补全请求指向 Ollama、vLLM、LiteLLM 或 OpenRouter，通过 EMBEDDING_BASE_URL 将文档嵌入请求指向其他服务。双运行时：同一代码可运行于 Cloudflare Workers + R2 与 Node + 文件系统。
适用场景: 适合非工程团队（如小型代理机构、诊所、财务团队）上传内部流程文档、合同、研究资料后，让成员以私有会话向同一个 Agent 提问并获得带引用的回答；也可用于按主题组织知识包、配置定时任务自动处理 RSS 或网页信息并通过邮件或 Slack 接收结果，以及需要团队共同训练 Agent 同时保持个人对话隔离的场景。
项目形态: 可直接使用的工具
部署方式: 可自托管。快速开始使用 Docker：克隆仓库、复制 .env.docker.example 为 .env 并设置 OPENAI_API_KEY、docker compose up，随后访问 http://localhost:3000 创建账号。生产部署方式包括 Cloudflare Workers、Supabase 与 Vercel，或单台 Docker 主机，详见 docs/self-hosting.md。
主要依赖: 需要 Docker 与 OpenAI API key。开发需要 Node 22 或更高版本以及 Bun。若使用 Anthropic 模型需设置 ANTHROPIC_API_KEY；若使用自定端点需设置 OPENAI_BASE_URL 与 EMBEDDING_BASE_URL。
使用限制: 项目较年轻，API 未版本化，不承诺提交之间的兼容性。README 建议在面向团队外使用前先阅读 docs/self-hosting.md。自托管时音频转写只能依赖兼容服务，因为几乎没有兼容服务器实现该功能。模型的实际可用性取决于所配置的 API key 与端点。
许可证: AGPL-3.0
最近推送: 2026-09-22 05:48

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-22 07:00 · 卡片整理：2026-09-22 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

相似资源

Hermes Agent on Cubeship：在 Cubeship 上部署 Hermes 自改进 AI 代理的模板

该仓库是 Cubeship 平台上部署 Nous Research 开源 AI 代理 Hermes Agent 的模板。它通过 Dockerfile 在实例上构建并运行 Hermes Agent v2026.9.21，将 gateway 以受监督方式启动，提供 Web 仪表盘，并将会话、记忆、技能、API 密钥与日志持久化到 /opt/data 卷中。安装后可在仪表盘中配置模型提供商密钥与模型，并通过 Telegram、Discord、Slack 等聊天平台接入，同时支持 OAuth/OIDC 登录选项。

lossless-memory：为个人 AI 打造不压缩原文、全量带时间戳的长期记忆层

lossless-memory 是一个本地、基于文件的长期记忆层，面向单用户与单个 AI 助手。它把每轮对话按固定七字段（时间戳、说话者、角色、类型、原文、模型、会话）完整追加到每日 JSONL 日志中，不做任何摘要，并以此为唯一事实来源。系统以时间为主轴构建「Temporal Backbone」：SQLite FTS5 精确索引带时间戳并存，查询入口先解析时间短语（相对时间目前仅日语，绝对日期支持任意语言）把检索范围限定到时间段，再在范围内排序，结果按时间顺序返回未摘要的原始文本；仅在范围内精确匹配不足时才回退到基于 sqlite-vec 的语义检索，并在输出中如实标注。另有 LLL「当前位置」索引记录话题切换，可由人工标注优先级，每轮注入模型上下文，使长对话在上下文窗口压缩或跨会话后仍能接续。项目还包含定时增量重建索引的守护进程，并公开了实际运行中的失败数据与经验文档。许可为 MIT。

Thesys：本地优先的学术研究知识库与论文问答工作台

Thesys 是一个开源的研究工作台，支持从 OpenAlex 和 arXiv 搜索开放获取论文、上传 PDF 并构建本地知识库。它提供带 PDF 页面高亮的引用式问答、阅读器模式下的选中段落提问、文档摘要（问题陈述、方法、关键发现、局限、指标）、图表描述与高亮引用，以及 BibTeX、RIS、EndNote、CSV 四种格式的文献导出。论文、向量和聊天记录保存在本地磁盘，检索流程使用 Docling、Chroma 与 BGE 嵌入和重排序，聊天通过 LangChain 调用 OpenAI API。

aivyx-coder：面向本地 LLM 的终端编码代理

aivyx-coder 是一个完全本地化的终端 TUI 编码代理，仅通过 Ollama、vLLM 或 llama.cpp 的 OpenAI 兼容 /chat/completions 接口驱动本地 LLM，绝不调用云端 API。模型可调用读写文件、搜索、执行命令等工具，作用于真实文件系统，并受到分层权限与沙箱模型的约束。项目用 Rust 从零编写，强调可靠性优先，包含仓库符号地图、工作区检查点与回滚、Plan 只读模式、强制验证、自治模式与提示注入检测等机制。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。