Revornix
开源本地优先 AI 信息工作台，从碎片采集到结构化知识、图文报告、播客的完整链路
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
开源本地优先 AI 信息工作台，从碎片采集到结构化知识、图文报告、播客的完整链路
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象这样一个场景：你在刷 TechCrunch、arXiv、微信公众号，看到 30 篇值得深读的文章，加了无数标签，结果一周后再找，根本想不起来哪篇讲了什么。PDF 存了 200 篇，但散落在不同文件夹，脑子里一团浆糊。
Revornix 正是为这类"信息焦虑"而生的开源工具。它不只是一个笔记应用，而是一条从信息采集到结构化知识，再到图文报告、播客、推送通知的完整 AI 工作流。你把碎片丢进去，Revornix 帮你整理成可以消费的知识产品。
传统的知识管理工具（Notion、Obsidian、Logseq）本质上是人工整理为主，AI 只负责搜索或简单总结。但当信息量超过临界点，人工整理本身就是瓶颈——你需要花大量时间给文档打标签、分类、写摘要。
Revornix 的设计哲学是：让 AI 承担整理的结构性工作。它的核心理念是"Reject FOMO"——不要被信息流牵着走，而是让工具帮你过滤、提炼、按需推送。它的目标用户是研究人员、内容创作者和产品/运营团队：需要持续跟踪大量信息，但又不想被淹没的人。
Revornix 采用典型的微服务架构，整个技术栈分为六个核心模块：
| 模块 | 技术栈 | 职责 |
|---|---|---|
| web/ | Next.js + TypeScript + Tailwind + Radix UI | 工作台前端 + 公开页面 |
| api/ | FastAPI (Python) | 核心后端，鉴权、文档、AI 能力接口 |
| celery-worker/ | Celery + Redis | 异步任务：embedding、总结、图谱生成、播客合成 |
| gateway/ | Go | 公网入口网关，路由、反爬、容错 |
| hot-news/ | Python | 热搜聚合服务 |
| docs/ | Next.js + Nextra | 公开文档站 |
后端依赖方面，Revornix 精心选择了当前向量数据库和图数据库领域的标杆组合：
这套组合在 RAG 场景下非常典型：Milvus 处理向量检索，Neo4j 处理关系推理，互补性很强。
Revornix 支持的输入格式覆盖了知识工作者的主流来源：
revornix-python-lib 自动化接入解析引擎支持可插拔设计，可以在工作区级别设置默认引擎（MinerU / Jina / 自定义），也可以按文档类型混搭。
采集的内容进入两个存储层：
这种"向量检索 + GraphRAG"的组合是当前 RAG 领域的前沿方案。相比纯向量检索，GraphRAG 能更好地捕捉实体间的多跳关系，在回答需要推理的问题时优势明显（比如"某公司近三年的融资事件及其对业务的影响"）。
整理好的知识会以多种形式输出：
Revornix 同时扮演 MCP Client 和 MCP Server：
api/mcp_router/* 暴露本地知识库给其他 MCP 工具使用MCP (Model Context Protocol) 是 Anthropic 主导的 AI 工具互操作协议，Revornix 对它的支持意味着它可以无缝融入更广泛的 AI Agent 工作流。
Revornix 提供了 docker-compose-local.yaml，将所有基础设施依赖（PostgreSQL、Redis、Neo4j、Milvus、MinIO）打包为一键启动。这解决了本地部署最大的痛点——不用手动配置每个中间件。
不过，这套系统的实际部署复杂度仍然不低：
pnpm install && pnpm build适用场景：适合有 Docker 经验、愿意自托管的开发者或小团队。个人用户更推荐直接使用官方托管版本（app.revornix.com），体验更完整且无运维负担。
Revornix 代表的趋势是知识管理工具的 AI 原生化。传统工具的逻辑是"你整理，工具存储"，而 Revornix 的逻辑是"工具帮你整理，你消费结论"。
在开源生态中，目前定位最接近的是 Mem（AI 知识图谱）和 AnythingLLM"，但 Revornix 的差异化在于：
截至目前（2026年），Revornix 在 GitHub 拥有 188 颗星，处于早期增长阶段。其技术栈选择（Next.js + FastAPI + Celery + Milvus + Neo4j）既体现了工程成熟度，也为后续扩展留足了空间。