Chiezo：为 AI 提供知识库、记忆与工具调用的自托管服务器

核心能力与快速开始

★ 0 · Python

能做什么

将 Wikipedia、OpenStreetMap、GeoNames、Overture Maps、上交所/东交所上市数据源、Pi-hole 记录等公开或私有数据索引为按来源独立的 SQLite（FTS5）文件，通过 MCP（Streamable HTTP，/mcp）和 REST（/v1/...，含 search / doc / filter / tags 等）两种接口供 AI 客户端检索；提供可写入的记忆源 chiezo_memory（remember / recall / update / forget），支持短期记忆固化到只读长期记忆；可代理保管 API 密钥并转发 AI 请求（/v1/ai/complete），提供本地 LLM 问答（/v1/ask、/ai/chat，支持 rag 与 agent 模式）与 web 搜索；支持图片、音频、视频、语音生成与转录，并可对多方案进行人工比对选择；带管理画面（/admin）用于配置、知识浏览与运行状态确认；更新采用蓝绿构建（新文件构建后切换符号链接），应用端无需重启即可自动加载。

适用场景

为 Claude Code 等 MCP 客户端提供不占用上下文的可检索知识库与外部记忆；让应用在不持有 API 密钥的情况下调用 LLM 与生成模型；在本地或局域网自建 Wikipedia/OSM/GeoNames 等数据的检索服务并支持离线使用；让 AI 通过 agent 模式自行多轮调用检索工具回答统计类问题；将 AI 收集的资料沉淀为长期记忆，并管理任务与规则（ToDo）；生成并人工挑选图片、语音、视频、文稿等媒体素材。

项目形态

可直接使用的工具

部署方式

以 Docker Compose 部署，镜像自动从 GHCR 拉取，无需自行构建；包含 chiezo-app、chiezo-ingest 等组件，并带有 llm、cuda、lan 等可叠加的 compose 上写文件；本地开发可用 Python 3.12 虚拟环境。

主要依赖

Docker 环境；本地开发需 Python 3.12。数据导入对资源有要求：jawiki 约为 5~6GB 下载、构建 2~6 小时、建议 80GB 以上磁盘空间，osm_japan 约为 2~3GB 下载、构建 1~4 小时；默认 low_memory 构建配置要求 2 GiB 内存。启用本地 LLM 需另行准备 OpenAI 兼容推理服务（如 GPU 环境）。

使用限制

项目本身不包含推理，本地 LLM 问答为可选且默认禁用；检索结果来自导入时的快照，不适合查询实时状态（需依靠收集功能与 web 搜索）；chiezo_memory 无认证，能访问该接口者可写入；3 字符以下的关键词无法全文检索，只能退化为标题前缀匹配；部分数据源受许可与商业条件限制（如 J-Quants 仅限个人私用、部分功能需付费计划）；各数据源的署名与许可继承义务需另行遵守；数据导入耗时较长且磁盘占用较大；具体 API 成本、硬件门槛与限额未在本材料中说明。

许可证

MIT

最近推送

2026-10-04 19:57

资料检查：2026-10-05 07:00 · 卡片整理：2026-10-07 09:00
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