omnibox
OmniBox(小黑)像一块随身“第二大脑”,帮你把网页、PDF、PPT、语音、微信聊天记录等所有资料一键收进来,自动解析、索引,随后随时问答、写作或分享。它解决了资料散落各处、检索困难、灵感易忘的痛点,让知识真正可“搜”可“用”。
适合需要长期积累信息的人:研究者整理文献、开发者留存技术博客、设计师收集灵感图、学生做笔记,甚至普通用户保存微信文件,都能用同一套账号跨平台同步。浏览器插件、iOS 闪念胶囊、微信机器人三种入口,让“先收藏、后整理”变成下意识动作。
亮点在于把 Markdown 编辑、公式/思维导图/甘特图渲染、联网+本地混合问答、团队权限管理全部打包,并开放 API,方便二次开发。想先体验,可直接用官方云服务;想自建,一条命令即可本地跑起来。
使用场景
某科技公司的产品经理李明需要每周整理竞品动态、技术文档和会议录音,并基于这些分散资料撰写高质量的市场分析报告。
没有 omnibox 时
- 资料散落在浏览器标签页、本地 PDF、微信聊天记录和手机录音中,收集过程繁琐且容易遗漏关键信息。
- 不同格式的文件(如 PPT、MP3)无法统一检索,每次写报告前都要花费大量时间手动翻找和重新阅读。
- 灵感闪现时缺乏便捷的记录通道,往往因为切换应用太麻烦而丢失了宝贵的瞬时想法。
- 团队协作时,文件传输依赖即时通讯软件,版本混乱且难以权限管控,导致信息同步效率低下。
使用 omnibox 后
- 通过浏览器插件一键保存网页核心内容,利用微信机器人直接转发聊天记录和文件,实现全渠道资料的自动汇聚。
- 上传的 PDF、PPT 及会议录音被自动解析索引,李明只需向 omnibox 提问,即可跨文档快速获取精准答案和引用来源。
- 在 iOS 端使用 Flash 功能随时语音记录灵感或文本笔记,系统自动同步至知识库,确保创意零流失。
- 依托团队权限系统,李明可安全地共享整理好的知识库给成员,多人协同编辑 Markdown 报告,实时生成图表与流程图。
omnibox 将碎片化的信息收集、整理与创作流程融为一体,让知识管理从“被动存储”转变为“主动赋能”。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
OmniBox - 小黑
英文 | 简体中文
文档
简介
OmniBox(小黑)是一个简单、跨平台、一体化的 AI 知识中心。你只需收集内容,然后随时提问。
核心功能
- 通过浏览器扩展将网页的主要内容保存到 OmniBox。
- 上传并端到端解析与索引 PDF、Word、PPT、MP3 等格式的文件。
- Markdown 编辑与渲染(公式、思维导图、流程图、时序图、甘特图、乐谱等)。
- 基于互联网和本地数据库的问答与写作。
- Flash:在 iOS 上快速捕捉转瞬即逝的想法,支持语音录音与文字笔记。
- Share:直接从 iOS 无缝分享文件到 OmniBox。
- 微信机器人:随时随地通过微信将文件、网页、视频、语音消息、文字及聊天记录保存到 OmniBox。
- 用户与团队系统、权限管理、共享管理、多租户、多语言、深色模式、移动端响应式设计等。
快速入门
欢迎使用我们的在线服务:omnibox.pro,支持通过邮箱、Google 和微信登录。
浏览器扩展
部署
本地开发
git clone --recurse-submodules https://github.com/import-ai/omnibox.git
cd omnibox
cp example.env .env
bash scripts/dev.sh up -d --build
路线图
- Agent、文件夹与文档的公开分享
- 微信机器人
- 开放 API
- 微信小程序
- RSS 订阅
星标历史
版本历史
v0.1.27-beta.12026/04/03v0.1.262026/04/02v0.1.252026/03/24v0.1.242026/03/18v0.1.24-beta.12026/03/11v0.1.232026/03/10v0.1.23-beta.22026/03/02v0.1.23-beta.12026/02/11v0.1.222026/02/06v0.1.212026/01/29v0.1.202026/01/22v0.1.192026/01/16v0.1.182026/01/08v0.1.172025/12/31v0.1.162025/12/23v0.1.16-beta.12025/12/19v0.1.152025/12/16v0.1.15-beta.32025/12/13v0.1.15-beta.22025/12/11v0.1.15-beta.12025/12/10常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
