找资料的日常往往是：Obsidian 搜标题，PDF 里 Ctrl+F，Notion 再搜一遍，关键词想不起来就放弃，打开搜索引擎从头来。
Khoj 把这一步收成对话：问一句，从你自己的文档（可选加上互联网）里找，再写成回答。它不是新笔记软件，而是架在已有资料上的检索 + 问答层。
仓库：https://github.com/khoj-ai/khoj
云端试用：https://app.khoj.dev
自托管文档：https://docs.khoj.dev/get-started/setup
官方一句话：Your AI second brain. Self-hostable. 约 3.7 万 Star，AGPL-3.0。
它具体接什么
资料格式
PDF、Markdown、Notion、Word、Org-mode，以及图片等。桌面、Obsidian、Emacs 客户端可以帮你把文件夹同步进索引。库不更新，问答就还在旧世界上。
入口
浏览器、Obsidian 插件、Emacs、桌面端、手机，WhatsApp 也能聊。同一套大脑出现在你已经停留的地方，比再下一个「只在网页里用」的知识库更接近日常。
模型
本地：Llama、Qwen、Gemma、Mistral 等，可经 Ollama、LM Studio、vLLM 这类 OpenAI 兼容接口。
在线：GPT、Claude、Gemini、DeepSeek 等。
不想让正文离开本机，就自托管 + 本地模型；只想先试体验，走云端即可。两者不是同一隐私模型。
再往上
可配 Agent：划定知识范围、角色、模型与工具。可定时做研究，把简报和通知推到邮箱。另有语义搜索、生图、语音相关能力。定位可以从「搜我的笔记」升到「按日程替我跑一轮调研」。
自托管、云端、混合
方式 | 适合 | 代价 |
自托管（Docker / pip） | 文档不能出内网 | 要维护服务、索引和模型 |
官方云 app.khoj.dev | 先验证值不值得迁库 | 数据在对方基础设施上 |
混合 | 本地索引 + 选用云模型 | 正文是否出网取决于你是否把对话发给在线 API |
文档写明：自托管时数据可留在私有网络，本机部署甚至可离线用。第一次启动后建议重启一次服务，好让设置生效。管理后台要设好管理员密码和 Django 密钥；接商用模型再填对应 API Key。
「本地 + 云端混合」很诱人，但隐私边界以实际请求是否出网为准，不以产品口号为准。
第二大脑喊了很多年，这次问得出话吗？
能问出话，和问得准，是两件事。
Khoj 做对的部分是：索引 + 语义检索 + 任意 LLM + 多端，不再强迫你把生活迁进一个新编辑器。Obsidian 用户尤其合适——笔记继续写在原处，问答另开一层。
它做不到的部分，评论里那句已经点破：私有笔记又乱又碎时，它不一定答对人。
常见翻车来源：
- 同一件事写在三份互相矛盾的备忘里，模型会挑最像的一段；
- 扫描版 PDF、双栏论文、表格，解析质量参差；
- 文件没同步、索引没重建，问的是上周还不存在的结论；
- 问题太飘（「我上次怎么说的」），没有时间、项目、文件名等锚点。
第二大脑的质量，上限仍是库的治理：命名、目录、是否过期、是否重复。Khoj 降低的是检索摩擦，不是整理义务。
和 Obsidian 插件、纯 RAG 脚本怎么选
- 已经在用 Obsidian，只想问答当前库：先试 Khoj 的 Obsidian 插件或同类本地 RAG，不必一上来上 WhatsApp 和定时简报。
- 要多源（PDF + Notion + 仓库）且多端入口：Khoj 这类「个人 AI 应用」比单插件完整。
- 只要一条 API 给内部系统用：可能更适合自建检索服务，而不是整套带聊天客户端的产品。
- agpl：改过再提供网络服务，需要遵守 AGPL 的开源义务；闭源商用前先读许可。
建议的试用路径
- 用云端或 Docker 先扔进 一个 主题清晰的文件夹（20–50 个文件），问三个你自己知道答案的问题。
- 看它是否引用对文件；引用飘了就先调同步范围，而不是换更大模型。
- 确认本地模型或 API 的隐私选择，再导入全部笔记。
- Agent 和定时研究放在「问答已经准了」之后——自动化会放大错误索引。
小结
Khoj 把电脑里的文档变成可提问的层：多格式、多端、本地或云模型、可自托管。Star 高，是因为「第二大脑」这个需求真实存在，而且它没有强迫你换笔记软件。
仓库：https://github.com/khoj-ai/khoj
资料仍是你的。工具只决定你是一页页往下拉，还是开口去问。问之前，最好先保证那句话在库里真的写过，并且只写过一种版本。
No comments yet