---

🎁 新功能

• 认识 🌶️ Pipali — 我们的 开源 AI同事，可在您的电脑上运行。
• 阅读 关于Khoj在现代检索与推理基准测试中表现出色的内容。

---

概述

Khoj 是一款个人AI应用，旨在扩展您的能力。它能够无缝地从设备端的个人AI扩展到云端规模的企业级AI。

• 与任何本地或在线LLM聊天（例如llama3、qwen、gemma、mistral、gpt、claude、gemini、deepseek）。
• 从互联网和您的文档中获取答案（包括图片、PDF、Markdown、Org-mode、Word、Notion文件等）。
• 可通过浏览器、Obsidian、Emacs、桌面、手机或Whatsapp访问。
• 创建具有自定义知识、人设、聊天模型和工具的智能体，以胜任任何角色。
• 自动化重复性研究任务。将个性化简报和智能通知直接发送到您的收件箱。
• 使用我们先进的语义搜索功能，快速轻松地找到相关文档。
• 生成图像、语音朗读、播放消息。
• Khoj是开源且可自行托管的，始终如此。
• 您可以在 自己的电脑 上运行它，或在我们的 云应用 上试用。

---

实际演示

前往 https://app.khoj.dev 查看Khoj的实时效果。

完整功能列表

您可以在 这里 查看完整功能列表。

自行托管

如需开始自行托管Khoj，请 阅读文档。

企业版

Khoj提供云服务、本地部署以及混合解决方案。如需了解更多关于Khoj Enterprise的信息，请访问我们的 官网。

常见问题解答 (FAQ)

问：我可以在不自行托管的情况下使用Khoj吗？

答：可以！您无需任何设置即可立即在 https://app.khoj.dev 上使用Khoj。

问：Khoj可以读取哪些类型的文档？

答：Khoj支持多种格式：PDF、Markdown、Notion、Word文档、Org-mode文件等。

问：如何创建属于我的智能体？

答：请参阅 这篇博客文章，其中提供了自定义智能体的分步指南。 如有更多疑问，请前往我们的 Discord！

贡献者

感谢我们出色的贡献者们！🎉

由 contrib.rocks 制作。

想要参与贡献吗？

Khoj是开源项目，依靠社区力量持续发展，我们非常欢迎您的加入！无论您是开发者、设计师、撰稿人还是爱好者，这里都有适合您的位置。

为什么参与贡献？

• 产生影响：帮助构建、测试和改进这款被数千人用于提升效率的工具。
• 学习与成长：接触前沿的AI、LLM和语义搜索技术。

您可以帮助我们开发新功能、完善项目文档、报告问题并修复漏洞。如果您是开发者，请参阅我们的 贡献指南，并查看 适合初学者的问题 开始工作。

Khoj 快速上手指南

Khoj 是一款开源的个人 AI 助手（“第二大脑”），支持本地部署。它可以连接本地或在线大模型，对你的文档（PDF、Markdown、Notion 等）进行语义搜索和问答，并支持通过浏览器、Obsidian、Emacs 等多种方式使用。

环境准备

在开始之前，请确保你的系统满足以下要求：

• 操作系统：Linux、macOS 或 Windows (需安装 WSL2 或 Docker Desktop)。
• 核心依赖：
  • Docker & Docker Compose（推荐方式，最简便）。
  • 或者 Python 3.10+ 及 pip（用于源码安装）。
• 硬件建议：若计划运行本地大模型（如 Llama 3），建议至少拥有 8GB+ 显存（GPU）或充足的内存（CPU 模式速度较慢）。
• 网络环境：由于模型权重和部分依赖托管于海外，国内用户建议配置科学上网环境，或在 Docker/Python 配置中指定国内镜像源。

安装步骤

推荐使用 Docker 进行部署，这是最稳定且隔离性最好的方式。

方法一：使用 Docker Compose（推荐）

1. 创建项目目录并下载配置文件：

   mkdir khoj && cd khoj
   curl -O https://raw.githubusercontent.com/khoj-ai/khoj/master/docker-compose.yml
   

2. （可选）国内加速：编辑 docker-compose.yml，将镜像地址替换为国内源（如阿里云、腾讯云容器镜像服务），或在拉取时配置 daemon.json。若网络通畅可直接跳过此步。

3. 启动服务：

   docker compose up -d
   

4. 验证安装： 服务启动后，在浏览器访问 http://localhost:42110 即可看到 Khoj 界面。

方法二：使用 Pip 安装（适合开发者）

如果你希望直接修改源码或使用 Python 环境：

1. 安装 Khoj 及其依赖：

   pip install khoj
   # 国内用户可使用清华源加速
   # pip install khoj -i https://pypi.tuna.tsinghua.edu.cn/simple
   

2. 初始化并启动：

   khoj --host 0.0.0.0 --port 42110
   

基本使用

启动成功后，你可以通过以下方式开始体验：

1. 网页端交互

打开浏览器访问 http://localhost:42110。

• 对话：直接在聊天框输入问题，例如：“总结我上传的笔记”。
• 配置模型：点击设置图标，选择连接的 LLM。你可以输入 OpenAI API Key，或者配置本地 Ollama 地址（如 http://localhost:11434）来使用免费本地模型。

2. 导入个人知识库

Khoj 的核心能力在于理解你的文档。

• 在网页界面点击 "Files" 或 "Upload" 按钮。
• 上传你的 PDF、Markdown (.md)、Org-mode (.org) 或 Word 文档。
• 上传完成后，Khoj 会自动建立索引。现在你可以针对这些文档内容进行提问，例如：“根据上传的论文，解释量子纠缠的概念”。

3. 集成到工作流 (示例：Obsidian)

如果你使用 Obsidian 做笔记：

1. 在 Obsidian 社区插件市场搜索并安装 Khoj 插件。
2. 在插件设置中将 Host 地址填为 http://localhost:42110。
3. 现在你可以直接在 Obsidian 侧边栏与你的笔记库进行 AI 对话，无需切换窗口。

提示：初次使用时，建议先在设置中测试连接一个轻量级模型（如 gemma 或 qwen 的量化版本），以确保响应速度。