双图谱笔记检索wly8691-jpg/knowlp-rag

type: KnowLP文档
文档状态: 引擎
日期: "2026-08-29"
说明: 引擎 README（v3.0.8 仓库版，dsh 优先）

KnowLP-RAG

Agent 优先的知识检索 —— 将你的 Markdown 笔记转化为一个自我维护、“不用则废”的知识图谱。Agent（DSH / Claude Code）负责安装、构建图谱并自检；人类只需提供 vault 路径。检索返回阅读路径：该读哪些笔记、以什么顺序读、哪些是相似的替代项。

Python
License: MIT
Listed on DSH Directory

快速开始（3 步）

三步均可由 Agent 执行；只有 KNOWLP_VAULT（你的笔记目录）必须由人类提供。

1. Install (official npm registry)
dsh plugin add "@eqman00003/knowlp-rag"

2. Set the two required env vars (without them the dual-graph engine idles and only full-text search works)
export KNOWLP_VAULT="$HOME/Notes"              # your Markdown notes directory
export KNOWLP_GRAPH_DIR="$HOME/.knowlp-dsh"    # writable index directory

3. Restart dsh web — the first search triggers Python env bootstrap (~30s, don't interrupt)

六个工具

| 工具 | 用途 |
|---|---|
| knowlp_search | 四引擎扇出检索（双图谱 P/S-Agent + 向量 + 全文） |
| knowlp_get_note | 读取笔记内容（只读，路径遍历安全） |
| knowlp_stats | 引擎/图谱健康自检（排查问题的第一站） |
| knowlp_record_feedback | 显式反馈（权重回路的唯一入口） |
| knowlp_record_correction | 显式偏好对（chosen ≻ rejected）—— 偏好学习的输入 |
| skill_search | 技能索引检索 |

PixelRAG（可选的跨机器视觉检索）

PixelRAG 是一个可选的视觉检索引擎 —— 它嵌入视觉内容进行检索，而不是仅依赖文本 token。它运行在你网络中的一台独立 GPU 机器上：Agent 通过 Tailscale 将视觉嵌入工作卸载到那台机器，而不是在笔记本上计算。检索按三层回退：

1. desktop GPU —— 主用的专用机器（一台可通过 Tailscale 访问的 RTX 级机器）
2. local —— 同机回退
3. cloud API —— 托管的 PixelRAG 端点

通过 KNOWLP_PIXELRAG_DESKTOP / pixelrag_local 进行配置。未配置时保持关闭 —— 检索仍可在 n-gram / 嵌入模式下工作。

复现此配置：它因部署而异 —— 你需要自己的 GPU 机器运行 PixelRAG 服务、一条到它的网络路径（例如 Tailscale），以及它的端点地址。KnowLP 不附带任何内置服务。

文档

- 安装与使用指南：docs/usage.md
- 故障排查：docs/troubleshooting.md
- dsh 集成细节（环境变量 / Cordis 插件）：dsh/README.md

为什么选择 KnowLP？

用 grep 搜索“RAG architecture”会得到 105 个文件。KnowLP 则给出 3 个带依赖上下文的排序命中结果。

| | grep | 朴素向量存储 | KnowLP |
|---|---|---|---|
| 结果排序 | ❌ | ✅ | ✅ |
| 依赖链（P-Agent） | ❌ | ❌ | ✅ |
| 相似替代项（S-Agent） | ❌ | ❌ | ✅ |
| 无需 GPU 即可运行 | ✅ | ❌ | ✅（n-gram 模式） |
| 随使用而改进（反馈） | ❌ | ❌ | ✅（权重循环） |
| 段落级匹配 | ❌ | ❌ | ✅ |
| 衰减与遗忘（用进废退） | ❌ | ❌ | ✅（三个半衰期层级） |

区别所在：向量搜索找到的是“包含关键词”的文档；KnowLP 找到的是根据你的查询应当阅读的文档，并附带阅读路径。笔记之间的边权重会随使用而演变——被使用的边会增强，未使用的边按半衰期衰减（临时 1 天 / 默认 30 天 / 声明式永不衰减）。

开箱即支持中文笔记库（支持中文时间锚点查询和中文全文搜索）。

演示

$ knowlp_search "RAG architecture"
1. [HIT]  RAG Architecture.md (score 0.77)
2. [LINK] Vector Database Selection.md (score 0.61)     ← prerequisite chain
3. [LINK] Retrieval Eval Pitfalls.md (score 0.42)
4. [LINK] _Index-Reading Order (depth 1)                ← tells you where to start reading
5. [LINK] _Index-Related Concepts.md (depth 2)

本地开发

git clone https://github.com/wly8691-jpg/knowlp-rag.git
cd knowlp-rag
pip install -e .            # provides knowlp-mcp / knowlp-build / knowlp-search

configure vault in config.yaml → build graph → search
python build_graph.py
python knowlp_search.py "RAG architecture"

查看架构图