Reor：本地运行的AI笔记软件，内置向量数据库与RAG问答，8.5K Star

在 GitHub 上发现了一个叫 Reor 的项目，8.5K Star，是一个 AI 笔记软件。但它不是那种联网的、把数据传到云端的 AI 工具，恰恰相反，它主打的是本地运行——所有数据都存在你自己的电脑上。

界面与基本功能

Reor 的界面有点像 Obsidian：左边是文件树，中间是编辑器，支持 Markdown。编辑器基于 BlockNote，体验流畅，支持图片和视频嵌入。

核心区别：AI功能完全本地化

Reor 内置了向量数据库。你写的每一篇笔记，都会被自动切片、做 embedding，存进本地的 LanceDB 数据库里。基于这个，它做了三件事：

1. 自动关联相关笔记：比如你在写一篇关于「机器学习」的笔记，它会自动在侧边栏推荐你之前写过的相关内容，不需要手动打标签或建链接。
2. 语义搜索：不用记关键词，直接用自然语言描述你想找的内容，它能理解。
3. 基于 RAG 的问答：问 AI 问题时，它会检索你的笔记库，用你自己写的内容来回答。

双生成器思路

官方给了一个有意思的定义：Reor 是一个「有两个生成器的 RAG 应用」。一个是 AI，一个是人。

当你在编辑器里写作时，侧边栏推荐的关联笔记，其实就是从你的笔记库 RAG 检索出来的，相当于用 AI 的逻辑来辅助人类写作。反过来，当你问 AI 问题时，它又会去检索你的笔记库，用人类写的内容来回答。这种双向设计，比单纯的 AI 生成或单纯的人工整理更聪明。

怎么跑起来

部署很简单，去官网下载对应系统的安装包就行，支持 Mac、Linux、Windows。第一次打开会让你选一个本地文件夹，所有笔记都存在那里。

AI 模型方面，它直接对接 Ollama，可以在设置里下载 Llama、Mistral 等模型，也可以接 OpenAI 的 API，完全看需求。

如果之前用其他笔记软件，需要手动把 Markdown 文件拷进那个文件夹，目前还不支持直接导入其他格式的笔记。

实际使用体验

搜索确实好用，不用记关键词，直接用自然语言描述就能找到。关联笔记功能也不错，写了十几篇测试笔记，推荐的关联度还可以。

但本地跑模型对电脑有要求，如果配置一般，生成速度会比较慢。代码块显示目前还有点问题，看 GitHub 的 issue 还在修复中。

总的来说，如果你不喜欢把数据交给云服务商，Reor 值得试试——完全本地存储，AI 辅助，自动关联。

项目地址：https://github.com/reorproject/reor