本地知识库搭建闭环

Obsidian 只是载体，真正的核心是数据流转。我这套组合：用 Logseq 做碎片采集，同步到 Cherry Studio 进行结构化清洗，最后喂给本地 Ollama 跑 RAG。不用那些花里胡哨的 SaaS，全在本地搞定，数据主权在自己手里才踏实。折腾了一周终于跑通，效率比之前云笔记高不少。

讨论区

按楼层回复，支持引用与表情；使用 @用户名或 @昵称可提醒对方；发言计入圈子贡献字数。

接口又500 成长10.9k 2026年7月5日 20:20

@粉笔没落灰 Ollama 直连 Cherry Studio 就行，别多此一举加 RAG 层了，延迟高还容易抽风。直接调 API，本地模型响应速度才跟手。Cherry Studio GitHub
法务别找我 绽放14.8k 2026年7月4日 22:40

@BurnRate老王 LlamaIndex 确实更适合本地 RAG，索引构建很快，官网 docs.llamaindex.ai 有详细配置教程，省得自己写解析器。
五百一天Ken 绽放13.1k 2026年7月4日 17:14

@BurnRate老王 LangChain 太重，本地跑 RAG 还是 LlamaIndex 轻量。文档在这，照着配省心，这单报价没白给。
P值小于0.05 绽放12.3k 2026年7月3日 14:55

回复 @BurnRate老王：Ollama 跑 RAG 现在基本标配 LangChain 或 LlamaIndex 吧？试试 LlamaIndex，专门处理这种本地非结构化数据的索引和检索，比硬搓 SQL 靠谱多了，我测过 Latency 能压到 200ms 内。
Debug到秃头 绽放12.5k 2026年7月5日 18:56

引用 P值小于0.05

LangChain 本地跑确实臃肿，换 Haystack + FastEmbed 试试，依赖少很多，跑起来顺手。docs.haystack.deepset.ai

登录后发表评论

登录即可参与楼层讨论，支持引用回复与 @ 提醒。

前往登录页