Memora - 个人AI知识库

Memora 是一个自托管的个人AI知识库系统，提供从知识捕获到智能问答的一体化体验。基于向量检索、混合搜索和LLM驱动的智能组织，帮助您高效管理、检索和利用个人知识资产。

版本历史

v2.1.0（当前版本）

• 🕸️ 知识图谱完整构建：实体提取现在处理所有文本块（移除10块限制）
• 🗑️ 文档删除一致性：软删除与清除操作同步清理Neo4j图数据
• 🔧 实体ID修复：解决因缺少entity_id导致图查询中节点丢失的问题
• ⚡ 性能优化：查询时移除MySQL一致性检查，改为在删除时处理
• 📦 目录重构：为适配ClawHub，将技能目录重命名为memora-knowledge-base

v2.0.4

• 📝 完整产品文档：包含完整产品概述的详细README
• 🎨 知识图谱v2.0：预览+全屏模态架构
• 🖱️ 增强交互体验：支持缩放、平移、拖拽、悬停查看详情
• 🎯 居中布局：力导向算法实现以原点为中心的定位
• 🔄 智能缓存：预览数据缓存，模态框使用更大数据集
• 双视图模式：文档关系图 + 实体关系图

v2.0.0

• 初始版本，支持知识图谱可视化
• 力导向布局，具备交互控制功能
• Obsidian风格视觉设计

核心功能

🔐 隐私与本地部署

• 完全私密：数据本地存储，不上传第三方
• 离线可用：无需互联网连接即可使用
• 单用户模式：无需认证，开箱即用

智能语义检索

• 混合搜索：密集向量 + BM42稀疏向量双引擎检索
• 相关性重排序：可选重排序模型进行二次排序
• 降级机制：自动切换至备用策略
• 语义理解：基于向量相似度，非关键词匹配

📄 多格式文档处理

• 支持格式：PDF、Word (.docx/.doc)、纯文本 (.txt)、Markdown (.md)
• 智能分块：LangChain递归字符分割器，支持中英文
• 向量存储：密集向量与稀疏向量存储于Qdrant
• 元数据管理：支持标签和自定义元数据分类

AI驱动的问答

• 两种交互模式：

- 知识查询：基于检索结果生成精准回答

- 知识组织：由LLM自动整理并总结知识内容

• 流式输出：实时生成内容
• 会话管理：支持多轮对话与历史记录
• 来源标注：回答中包含源文档链接

🕸️ 知识图谱可视化

• 力导向布局：自动节点定位，形成自然网络结构
• 双视图显示：文档关系图 + 实体关系图
• 交互操作：

- 鼠标滚轮缩放（以光标为中心）

- 拖动空白区域平移画布

- 拖动节点重新定位

- 悬停查看详细信息

• Obsidian风格设计：黑色节点、白色背景、细微连接线

🌐 网页抓取与集成

• 内置爬虫：使用httpx + BeautifulSoup，无外部依赖
• OpenClaw集成：作为AI Agent技能，零依赖客户端
• RESTful API：便于与其他系统集成

快速开始

通过 clawhub 安装

openclaw skills install memora-knowledge-graph@2.0.4

手动安装

# 克隆仓库
git clone https://github.com/zzlzzlzzl15/Memora.git
cd Memora/personal_knowledge_base

# 运行安装脚本
./install.sh

Docker Compose 部署（推荐）

# 克隆仓库
git clone https://github.com/zzlzzlzzl15/Memora.git
cd Memora/personal_knowledge_base

# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填写API密钥

# 启动服务
docker-compose up -d

# 访问应用
# 在浏览器打开 http://localhost:8080

配置说明

设置 KB_API_BASE 环境变量，指向您的Memora后端：

export KB_API_BASE=http://127.0.0.1:8080

或创建 .env 文件：

KB_API_BASE=http://127.0.0.1:8080

必需环境变量

可选环境变量

使用示例

上传文档

1. 点击左侧边栏的 “上传文档” 按钮
2. 选择文件（支持PDF、DOCX、TXT、MD）
3. 填写标题和标签（可选）
4. 点击 “上传” —— 系统将自动解析、分块并向量化

提问

1. 在右侧聊天界面输入问题
2. 选择交互模式：

- 知识查询：基于检索结果获取精确答案

- 知识组织：让AI自动整理并总结相关内容

1. 查看带来源标注的回答

浏览知识图谱

1. 点击顶部导航栏的 “知识图谱” 按钮
2. 查看两个预览卡片：

- 文档关系图：展示文档之间的关联

- 实体关系图：展示提取出的实体及其关系

1. 点击任意卡片进入全屏模态框进行交互探索：

- 滚动缩放

- 拖动平移

- 拖动节点调整位置

- 悬停查看详情

文档管理

• 查看列表：在左侧边栏查看所有文档
• 搜索：使用快速搜索功能
• 回收站：查看并管理已删除文档（30天内可恢复）
• 永久删除：彻底移除文档及向量数据

技术架构

┌─────────────────────────────────────────┐
│           Web 浏览器                    │
│     (前端UI - HTML/CSS/JS)         │
└──────────────┬──────────────────────────┘
               │ HTTP / WebSocket
┌──────────────▼──────────────────────────┐
│         Memora 后端                   │
│       (FastAPI / Python)                │
──────────┬──────────────┬───────────────┤
│ 文档处理 │  检索引擎    │ AI服务        │
├──────────┼──────────────┼───────────────┤
│• PDF     │• 密集向量    │• 嵌入模型     │
│  解析    │  搜索        │  (DashScope/  │
│• DOCX    │• 稀疏向量    │  本地ST)      │
│  解析    │  (BM42)      │• LLM 聊天     │
│• 文本    │• 混合搜索    │  (DeepSeek/  │
│  分块    │• 降级逻辑    │  OpenAI兼容)  │
│• 元数据  │              │• 重排序       │
│• 上传API │              │  (Qwen3)      │
│          │              │• 流式响应     │
└────┬─────┴──────┬───────┴───────┬───────┘
     │            │               │
┌────▼────┐ ┌────▼──────┐ ┌──────▼──────┐
│ MySQL   │ │  Qdrant   │ │ 外部API      │
│(元数据)  │ │(向量数据库)│ │             │
│         │ │           │ │             │
│• 文档   │ │• 密集向量  │ │• DashScope   │
│• 用户   │ │  存储     │ │• DeepSeek    │
│• 会话   │ │• 稀疏向量  │ │• OpenAI兼容  │
│• 历史   │ │  (BM42)   │ │             │
└─────────┘ └───────────┘ └─────────────┘

技术栈

故障排查

问题：预览卡片未显示

解决方案：检查浏览器控制台错误。确保在DOM加载完成后调用 initKnowledgeGraph()

问题：节点未居中

解决方案：强制刷新页面（Cmd+Shift+R）。如仍无效，清除浏览器缓存

问题：模态框无法拖拽/缩放

解决方案：确认全屏可视化器已调用 setInteractive(true)。检查控制台日志

问题：服务无法启动

解决方案：

# 查看日志
docker-compose logs -f app

# 清理并重启
docker-compose down -v
docker-compose up -d

问题：文档上传失败

解决方案：

• 检查文件格式（仅支持PDF、DOCX、TXT、MD）
• 检查文件大小（默认限制：10MB）
• 查看应用日志：docker-compose logs -f app

问题：无检索结果

解决方案：

• 确认文档已上传并完成向量化
• 尝试更换查询词
• 降低 QDRANT_DENSE_DEFAULT_THRESHOLD 值

问题：LLM调用失败

解决方案：

# 检查API密钥配置
cat .env | grep API_KEY

# 测试API连通性
curl -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  https://api.deepseek.com/v1/chat/completions \
  -d '{"model":"deepseek-chat","messages":[{"role":"user","content":"test"}]}'

性能优化建议

1. 限制节点数量：预览使用较小数量（50-80个节点）
2. 数据缓存：复用已获取数据，避免重复加载
3. 防抖窗口调整：为窗口调整事件添加防抖处理
4. 减少迭代次数：降低 initForceLayout() 中的迭代次数以加快加载（默认150）
5. 优化渲染：在快速鼠标移动期间跳过渲染

浏览器兼容性

• ✅ Chrome 90+
• ✅ Firefox 88+
• ✅ Safari 14+
• ✅ Edge 90+

要求：

• Canvas 2D API
• CSS backdrop-filter
• ES6+ JavaScript特性

贡献指南

欢迎贡献！请按以下步骤操作：

1. Fork 仓库
2. 创建功能分支（git checkout -b feature/awesome-feature）
3. 修改代码
4. 提交更改（git commit -m 'Add awesome feature'）
5. 推送到分支（git push origin feature/awesome-feature）
6. 提交合并请求

支持渠道

如有问题或疑问：

• GitHub Issues：https://github.com/zzlzzlzzl15/Memora/issues
• 邮件：support@memora.dev
• 文档：https://github.com/zzlzzlzzl15/Memora/blob/main/personal_knowledge_base/README.md

致谢

• 灵感来自 [Obsidian](https://obsidian.md/) 图谱视图
• 专为 [Memora](https://github.com/zzlzzlzzl15/Memora) 个人知识库打造
• 使用类似 D3.js 力导向模拟的布局算法
• 参考 [RAG-Anything](https://github.com/RAG-Anything/RAG-Anything) 的多模态RAG架构

由 zzlzzlzzl15 ❤️ 制作

*Memora — 您的个人AI知识库*