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
六、常见问题(FAQ)
Q1:Reor 是免费的吗?
A:完全开源(AGPL‑3.0),免费,安装模型和 API 可择费不可必。
Q2:是否需要联网?
A:基础笔记管理与本地 LLM 模型全部离线运行;使用远程 API 时需联网。
Q3:如何导入现有笔记?
A:直接将 Markdown 文件放入 Vault,重启或刷新即可被自动索引。
Q4:性能要求高吗?
A:推荐具备8核 CPU 与 16GB 内存即可较流畅运行,若使用 GPU 可进一步加速。
Q5:支持哪些 Embedding/LLM?
A:支持 Ollama、Transformers.js 各类模型(比如 llama.cpp);也可接入 OpenAI、Anthropic 等 API。
Q6:如何生成闪卡?
A:点击 UI 中“生成闪卡”,系统自动根据笔记内容创建问答卡片。
Q7:支持团队共享吗?
A:目前没有云端同步功能,但通过共享 Vault 文件夹方式可实现多人协作。
七、总结
Reor 是一款强调隐私、安全与高效思考的AI个人知识管理工具,通过全本地运行、自动笔记关联、语义问答与写作辅助等功能,赋予用户强大的“第二大脑”能力。它适合专业研究者、创意工作者、学生与隐私敏感人士。若你正在寻找一款脱离云端依赖、可深度定制的知识管理工具,Reor 是值得投入的开源项目。如需部署建议、模型调优或集成支持,我可为你提供专业协助!
数据统计
Reor访问数据评估
本站AI工具导航提供的Reor页面内容基于公开资料、第三方工具目录与用户可访问信息整理,不代表官方立场,也不构成商业承诺或事实背书。内容均由chatgpt系列生成。同时,对于该外部链接的指向,不由AI工具导航实际控制,在2025年6月11日 下午10:59收录时,该网页上的内容,都属于合规合法,后期网页的内容如出现违规,可以直接联系网站管理员进行删除,AI工具导航不承担任何责任。
相关AI工具平替

MiniMax Agent
Twocast




