mnemos-mcp：面向开发者的自托管多集合私有知识服务器

ELSAKKK/mnemos-mcp · 🧠 Transform documentation chaos into a structured memory system with Mnemos, your self-hosted, multi-context knowledge server for developers.

GitHub原文发布未知首次收录 2026-10-07上架 2026-10-07 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

mnemos-mcp 是一个自托管的知识服务器，用于把文档转成可检索的知识。它支持多集合隔离、确定性的文档摄入流程和本地向量检索，数据留在本机，不依赖外部服务，且不绑定特定供应商。适用于开发者按主题整理文档并做本地语义搜索。

# 自托管 # 知识库 # 语义搜索 # 文档处理 # 本地向量检索

核心能力与快速开始

★ 5 · Python

能做什么: 将文档转换为可搜索的知识库；支持多集合隔离，按主题或类别组织文档；确定性摄入，保证每次添加文档结果一致；本地向量搜索，无需依赖外部服务器；数据完全保存在本机，不与第三方共享；无供应商锁定。支持添加 PDF、Word 文档和文本文件，并提供搜索、集合管理、数据备份/导出功能。
适用场景: 开发者将本地文档按主题整理为私有知识库并进行快速语义检索；对数据隐私有要求、需要自托管且不依赖外部服务的文档搜索场景；需要为不同主题分别维护独立知识集合的文档管理。
项目形态: 可直接使用的工具
部署方式: 自托管，运行在本地机器；README 提供 Windows、macOS 和 Linux 的安装方式（.exe、.dmg、压缩包）。
主要依赖: Windows 10 或更高版本、macOS 或较新的 Linux 发行版；至少 4GB 内存（更大集合建议更多内存）；现代多核 CPU；安装至少需要 200MB 可用磁盘空间，文档和搜索索引会占用额外空间。
使用限制: README 未说明具体检索模型、性能上限和并发能力；未说明许可范围之外的商用条件；未说明是否需要额外的向量数据库或模型服务（仓库 topics 提及 pgvector、ollama，但 README 正文未展开说明）。
许可证: MIT
最近推送: 2026-10-06 13:57

核对 README 依据 ↗

资料检查：2026-10-07 07:00 · 卡片整理：2026-10-07 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

职业应用

程序员

将开发文档按主题整理为多个隔离集合，并在本机进行语义搜索，快速检索技术资料。

查看内容依据

适用于开发者按主题整理文档并做本地语义搜索。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Project NOMAD 是一个自包含的离线优先知识与教育服务器，通过 Docker 编排一系列容器化工具。内置能力包括：基于 Ollama 或 OpenAI 兼容接口的本地 AI 对话并配合 Qdrant 实现文档上传与语义搜索（RAG）、通过 Kiwix 提供的离线 Wikipedia 与电子书、通过 Kolibri 提供的 Khan Academy 课程与进度跟踪、通过 ProtoMaps 提供的离线地图、通过 CyberChef 提供的数据工具、通过 FlatNotes 提供的本地笔记、硬件基准测试与社区排行榜、一键应用目录（Supply Depot）以及可配置的自动更新。项目提供“Command Center”管理界面与 API，统一处理安装、配置和更新，主要面向浏览器访问。

WeKnora：将文档转化为可查询 RAG、自主推理 Agent 与自维护 Wiki 的开源 LLM 知识平台

WeKnora 是腾讯开源、基于 LLM 的知识框架，面向企业级文档理解、语义检索与自主推理。以三大能力为核心：RAG 快速问答、可自主编排检索与 MCP 工具及沙箱执行的 ReAct Agent，以及将原始文档提炼为自维护互链 Markdown 知识库并带交互式知识图谱的 Wiki 模式。支持多源知识接入与同步（飞书 Wiki / 飞书 Drive / GitLab / 腾讯 IMA / Notion / 语雀 / 钉钉文档 / RSS 等）与 10 余种文档格式解析，可对接 20 余种 LLM 提供商（含 LiteLLM），提供多工作区 RBAC、可切换的向量库与存储后端、Langfuse 可观测性，以及完全可自托管的模块化架构。

Marqo：开源多模态向量搜索引擎与语义检索 REST API

Marqo 是一个开源的多模态向量搜索引擎，开发者可通过单一 REST API 索引文本与图像、即时生成嵌入，并执行张量、词法与混合搜索。引擎基于 Vespa 做存储与检索、FastAPI 提供 HTTP 接口，并在引擎内集成模型推理（Sentence Transformers、OpenCLIP、ONNX），一次 docker run 即可启动可用的语义搜索栈。该 Apache 2.0 开源引擎已被维护者标记为不再维护（deprecated），官方转向托管电商搜索产品，但项目仍被广泛 fork、下载与自托管，并有 Python 客户端、Terraform provider、InstantSearch 客户端、电商嵌入模型与研究项目等配套仓库。

production-rag：结合语义与词法检索的生产级 RAG 系统

production-rag 是一个生产级检索增强生成（RAG）系统，将语义搜索与词法搜索结合以提升检索准确度。它提供多策略检索（可在不同搜索方法间切换）以及内置评估框架，用于评估不同策略的输出质量，面向真实应用场景。README 中说明系统要求为 Windows、macOS 或 Linux，最低 4 GB 内存（推荐 8 GB），至少 500 MB 存储空间。

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。