// 01 Reor 是什么
一、什么是 Reor？
Reor 是由 Reor 项目团队开发的一款 AI 个人知识管理（PKM）应用，主打私有化和本地运行。它提供类 Obsidian 风格的 Markdown 编辑体验，并通过集成本地大型语言模型（LLM）与向量数据库，实现笔记自动检索、智能关联与本地化语义搜索功能。
二、为什么选择 Reor？
全程本地化：支持 Ollama、Transformers.js 和 LanceDB 本地模型，实现数据不出设备。
自动笔记关联：系统可以自动发现笔记间的语义关系，无需手动链接。
语义搜索与智能 Q&A：借助语义检索和 RAG 技术，无需精准关键词也能查到相关内容，并可提问笔记集。
Markdown 所见即所得：支持 WYSIWYG Markdown 编辑，适合熟练用户。
开源社区支持：GitHub 超过 7k Stars，支持 Windows、Mac、Linux 多平台。
三、Reor 怎么使用？
1. 安装与初始化
下载对应平台安装包（官网或 GitHub）并指定自己的笔记 vault（目录）。
2. 导入既有笔记
可将 Obsidian、Logseq 等 Markdown 文件夹导入 vault，系统自动 chunk 并向量化。
3. 配置本地 LLM 与 Embedding
支持 Ollama 下载模型，亦可调用本地 OpenAI/Oobabooga API。Embedding 模型也可选择合适版本。
4. 日常笔记编辑与管理
在主界面编辑 Markdown，右侧 sidebar 根据语义弹出相关内容链接，增强笔记间连结。
5. 使用语义问答与写作助手
可直接提问已导入笔记，也可使用“写作助手”功能自动生成或改写文本。
6. 闪卡与复习功能
自动生成知识闪卡用于复习记忆，适合知识回顾与学习。
四、技术原理揭秘
| 模块 | 描述 |
|---|---|
| 本地向量存储 | 使用 LanceDB 存储笔记 embedding，实现快速检索 |
| 嵌入模型 & LLM | 支持多种 embedding 模型，自选本地或远程 LLM 进行上下文生成 |
| RAG 问答机制 | 收集 top-k 相关笔记上下文作为问答输入，实现语义增强回答 |
| 自动链接逻辑 | 对当前笔记做 chunk embedding，sidebar 显示最相似内容节选 |
| Markdown 编辑器 | 所见即所得界面，支持双括号 wiki 风格手动链接 |
五、应用场景
研究人员：在大量文献笔记中自动发现关联、辅助生成新见解
学生使用者：课后笔记快速问答与自动摘要、记忆复习
创意写作者：灵感自动触发，关联旧内容生成新故事思路
隐私敏感人士：无需云端，所有数据驻留本机，适合研究资料管理
团队知识库搭建：支持多人共享 vault，协同管理专业笔记资料
// 02 核心 功能
- 核心定位一款开源、私有化运行的 AI个人知识管理 工具，支持本地模型推理、自动笔记关联、语义搜索与写作辅助，打造高效、安全的第二大脑。本文从功能介绍、使用指南、技术揭秘、应用场景与常见问题全面剖析，助力 AI 工具使用者实现个性化知识管理升级。
- 分类索引当前归档在 AI 编程，方便和同频工具横向比较。
- 能力标签关联标签包括 tech-nlp、price-open-source、AI、open source。
- 使用入口已记录可访问入口，可通过本页主按钮跳转。
// 03 使用 场景
- 快速判断是否适合当前任务结合 AI 编程 定位和 tech-nlp、price-open-source、AI 标签，先判断它是否匹配你的工作流。
- 横向比较同类工具从相同分类和标签继续探索替代工具，减少只看单个产品带来的选择偏差。
- 沉淀工具选型资料把官网入口、平台、版本和 NavXD 标签合并成一页，适合做选型记录或团队分享。
