Free/免费
免费版
- ✓
Google AI Studio 免费套餐（推荐）
- ✓
Ollama 完全本地 零成本部署（无需密钥）
- ✓
LLM 成本取决于所选的提供商
Local Search Agent
一个替换传统 RAG 管道的框架
Local Search Agent 是什么？
Local Search Agent 是一个本地化的检索增强框架，可直接替代传统 RAG 流程。它支持在多个工作区中批量导入各类文档，通过 BM25 算法建立索引，让智能体能够像搜索网页一样进行检索、获取与推理，整个过程完全在本机完成，无需向量数据库或 Embedding 模型，特别适合对数据隐私有要求的本地化场景。
产品详细介绍
一个替换传统 RAG 管道的框架
Local Search Agent 是一个本地化的检索增强框架，可直接替代传统 RAG 流程。它支持在多个工作区中批量导入各类文档，通过 BM25 算法建立索引，让智能体能够像搜索网页一样进行检索、获取与推理，整个过程完全在本机完成，无需向量数据库或 Embedding 模型，特别适合对数据隐私有要求的本地化场景。
定价方案
有免费方案创始人评论
Wissam Metawee创始人
{"translation":"传统 RAG（检索增强生成，Retrieval-Augmented-Generation）存在一个根本性问题：它将你的文档转换为嵌入向量并存入向量数据库。这意味着：\n\n- 索引过期 — 嵌入向量会悄无声息地过时。你永远不知道智能体读到的是你的最新文档，还是六个月前的快照\n- 黑盒检索 — 你无法看到某个文档被检索到或未被检索到的原因。调试糟糕的答案全靠猜测\n- 分块焦虑 — 切分过小会丢失上下文，切分过大则检索质量下降。没有标准答案\n- 基础设施开销 — 向量数据库是另一个需要运行、维护和付费的服务\n- 语义漂移 — 嵌入向量对问题的措辞非常敏感。关于"云支出"的问题可能永远无法匹配到写有"AWS 开支"的文档\n\nLocal Search Agent 采取了不同的方法：通过 Meilisearch 进行 BM25 关键词搜索、结构化元数据，以及一个带有工具的 LangGraph 智能体循环。智能体搜索文档索引的方式与开发者在 Stack Overflow 上搜索完全相同——使用真实查询、真实结果，并完整透明地展示检索到了什么以及为什么。\n\n结果是确定性的、可审计的、快速的。对于智能体给出的每一个答案，你都可以准确看到它获取了什么内容。"}
创始团队
Wissam MetaweeApplied AI Engineer & OpenSource Creator
官网信息
公司使命
为您的 AI 代理配备一个本地文件搜索引擎。
