khoj
khoj-ai/khoj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
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。
想象一个场景： 你正在准备一场重要汇报，翻遍了三年的笔记和几百篇 PDF，仍找不到那份关键数据——但你的 AI 助手早已记住了所有内容，用 3 秒就定位到了答案。这不是科幻，是 Khoj 正在做的事。
Khoj 是一个开源的个人 AI 助手，中文译名可以叫「知识之海」——它扮演的是你数字记忆的「第二大脑」角色。与 ChatGPT、Claude 等通用大模型不同，Khoj 专注解决一个核心问题：让 AI 真正理解你的个人知识库，而不只是泛泛聊天。
项目由 Debanjum Singh Solanky 和 Saba Imran 两位核心贡献者发起，采用 AGPL-3.0 开源协议，目前在 GitHub 拥有超过 34,000 颗星，Discord 社区活跃，被 Trendshift 评为 AI 生产力工具领域的头部项目。它既可以完全本地部署（数据不出本地），也可以使用官方托管的云端版本。
图1：Khoj Web 界面实时问答演示
Khoj 最打动人的场景，是它对个人文档的深度理解能力。它支持索引以下数据类型：
当你在 Khoj 中上传一份 PDF 论文后，它会：
这种基于 RAG（检索增强生成）的架构，让 Khoj 在回答涉及个人文档的问题时，显著优于通用大模型——后者只能在训练数据范围内回答，而 Khoj 可以「看见」你自己的资料。
Khoj 的另一个哲学是开放。它支持同时接入多个 AI 模型，包括：
这种灵活性让用户可以根据任务类型选择最优模型：简单问答用免费开源模型节省成本，复杂推理用 GPT-4 保证质量。Khoj 的架构设计天然支持模型热插拔，新增一个模型只需要改配置，无需改代码。
从源码来看，Khoj 的技术选型偏向「成熟稳定」而非「追新」：
代码组织遵循 Django 的 app 模式，将功能模块化为 processor（处理器）、search_type（搜索类型）、database（数据库层）、routers（API 路由）等子包，职责清晰。
Khoj 并没有把自己局限为一个 Web 应用。它提供了极为丰富的客户端：
这种「全平台覆盖」的战略，让 Khoj 成为真正融入日常工作流的工具，而不是又一个需要专门打开的网站。
对于开发者来说，最担心的是「开源项目文档写得好，部署一团糟」。Khoj 在部署体验上下了大功夫：
官方提供完整的 docker-compose.yml，一键启动包含以下服务的完整栈：
硬件需求上，不带 GPU 也可以运行（官方提供 PyTorch CPU wheel），但有 NVIDIA GPU 会显著加速 embedding 过程。内存建议 8GB 以上，磁盘 5GB。
没有任何工具是完美的，Khoj 也面临一些挑战：
Khoj 代表了一个重要趋势：AI 助手正在从「通用问答」向「个人知识增强」演进。当大模型能力趋于同质化，谁能更好地理解用户的私域数据，谁就能创造差异化价值。
类似的工具还有 Notion AI、Obsidian Copilot、Mem 等，但 Khoj 的优势在于：完全开源、完全自托管、数据完全私有——这是企业级用户和隐私敏感型用户的核心诉求。
图2：Khoj 开源社区贡献者
总结：Khoj 是一款面向知识工作者的开源 AI 第二大脑，通过 RAG 技术让大模型真正「读懂」你的个人文档。它支持多模型、多数据源、多端入口，部署体验成熟，社区活跃。如果你厌倦了在海量笔记中手动搜索，Khoj 值得一试。