LEANN

你是否曾希望：

• 能像搜索文件一样，语义搜索你的微信聊天记录？
• 在本地直接查找过去半年所有邮件中的关键观点？
• 让ChatGPT和Claude的对话历史，成为你可检索的个人知识库？
• 所有这些，都不依赖云端，不上传数据，不被服务条款约束？

LEANN 实现了这一点。

它是一个在本地设备上运行的向量数据库，专为个人数据设计。无需上传，无需云服务，不依赖OpenAI或任何第三方。你的所有数据——文档、邮件、聊天、浏览器历史、代码库——都只留在你的电脑里。

它如何做到用6GB索引6000万文本块？

传统向量数据库会为每个文本块生成并存储一个嵌入向量。6000万条数据，意味着你需要约200GB的存储空间。

LEANN 改变了这一逻辑。

它不存储所有嵌入，而是通过基于图的选择性重计算和高阶保留剪枝技术，按需动态生成嵌入。简单说：它只在你搜索时，才计算你需要的那部分向量，而不是提前存下全部。

配合紧凑的图结构（CSR格式）和高效剪枝算法，LEANN 将存储需求降低97% ——从201GB → 6GB，搜索质量无损。

支持哪些数据源？

LEANN 可索引并语义搜索：

• 本地文件：PDF、TXT、MD、DOCX
• 通讯记录：微信、iMessage、Apple Mail、Gmail
• AI对话历史：ChatGPT、Claude（通过导出JSON）
• 浏览器历史：Chrome、Edge 的访问记录
• 实时数据：通过MCP（模型上下文协议）接入Slack、Twitter等（需配置代理）
• 代码库：Git仓库中的注释、文档、提交信息
• 外部知识库：可加载6000万+条公开或私有文本（如维基、论文、内部文档）

注：Claude Code 目前仅支持 grep 风格关键字搜索。LEANN 作为 MCP 服务，无缝兼容其接口，无需改动你的编辑器设置，即可升级为语义搜索。

为什么它适合你？

• 🔒 隐私优先
  数据从不离开你的设备。没有API密钥，没有云日志，没有隐私条款。
• 🪶 极轻量
  占用内存和磁盘远低于传统方案。在老旧笔记本或树莓派上也能流畅运行。
• 📦 可迁移
  整个知识库是一个6GB的文件夹。复制到新电脑，或通过USB传给同事，立即可用。
• 📈 适应你的数据增长
  你的微信聊天、邮件、笔记每天都在增加。LEANN 不需要你定期清理或压缩，它能持续高效处理。
• ✨ 没有精度妥协
  在多个公开基准测试中，LEANN 的召回率和准确率与 FAISS、Qdrant 等主流系统持平，只是更省空间。

如何开始？

1. 下载 LEANN（开源，GitHub 可获取）
2. 配置数据源路径（如微信聊天导出目录、邮件文件夹）
3. 启动服务，等待索引完成（通常数小时，取决于数据量）
4. 通过 CLI、Web UI 或 MCP 接口开始语义搜索

支持 Windows、macOS、Linux。
不依赖 Docker，不强制使用特定框架。你只需要一个能运行 Python 的环境。

适用场景

• 研究者：快速回溯过去阅读的论文与笔记
• 开发者：从多年代码注释中找回遗忘的实现逻辑
• 写作者：从聊天和邮件中提取灵感与上下文
• 任何人：不想让AI平台知道你说了什么、看了什么