Wandering RAG是一款為個人檢索增強生成（RAG）設計的命令行介面工具。它從Notion、Obsidian和Apple Notes等多個來源提取數據，將其存儲在Qdrant中，並以MCP伺服器的形式公開，以便於訪問和查詢。
新增日期：
創建者：
Apr 25 2025
精選
Wandering RAG 是什麼？
Wandering RAG是一款多功能CLI工具，使得用戶能有效執行個人RAG任務。它從Notion、Obsidian和Apple Notes等多個個人知識庫來源中檢索和索引數據，並將信息存儲在Qdrant向量數據庫中。該工具通過MCP（多通道處理）伺服器公開這些存儲的數據，允許與Claude Desktop等其他AI模型的無縫查詢和集成。它簡化了個人數據的管理和訪問過程，以便於AI輔助回答、研究和信息檢索，提供了一種強大的知識管理和AI互動解決方案。
誰會使用 Wandering RAG？
- 管理個人知識庫的個人
- 研究人員
- AI開發者
- 生產力愛好者
如何使用 Wandering RAG？
- 步驟1：使用uv pip install -e安裝工具。
- 步驟2：通過運行docker-compose up -d來設置Qdrant伺服器。
- 步驟3：配置環境變數並在.env文件中指定數據文件夾。
- 步驟4：使用./wandering-rag md index或./wandering-rag notion index等命令來索引來源。
- 步驟5：運行MCP伺服器，命令為./wandering-rag mcp run-server。
- 步驟6：使用所需的AI模型或介面通過MCP伺服器連接並查詢數據。
Wandering RAG 的核心特徵與益處
主要功能
- 從Notion、Obsidian、Apple Notes中檢索數據
- 在Qdrant中索引數據
- 以MCP伺服器的形式公開數據
- 支持與Claude Desktop等AI模型的集成
優點
- 使個人知識能夠便捷訪問AI查詢
- 簡化多個來源之間的數據管理
- 針對個性化數據實現高效的檢索增強生成
- 支持數據的自定義和靈活配置
Wandering RAG 的主要使用案例與應用
- 個人知識管理和檢索
- 使用個人數據提升AI聊天機器人的響應
- 來自多個來源的研究和數據分析
- 供研究人員和愛好者使用的生產力和筆記組織
Wandering RAG 的常見問答
開發者
- wandermyz
您可能也喜歡：
開發者工具
一個 Docker 映像，承載多個 MCP 伺服器，透過整合 supergateway 以統一入口點訪問。
研究與數據
NOL 整合了 LangChain 和 Open Router，以使用 Next.js 創建一個多客戶端的 MCP 伺服器。