在 NFS 共享、SMB 服务器或本地磁盘上查询文档,使用本地 AI。无需云端、Docker 或 API 密钥——唯一能从企业存储读取的 RAG 技能。
ZettaBraine RAG 技能是一项面向实际任务的技能,主要用于使用本地的 AI 来保存您的文件;当您使用本地存储和本地 Ollama 端点( 默认) 时, 文件数据会留在您的机器上;
该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
使用本地 AI 与您自己的文档进行对话。当您采用**本地存储 + 本地 Ollama 端点**(默认配置)时,文档数据将**完全保留在您的设备上**。远程存储(S3、NFS、SMB)及远程 OLLAMA_HOST 为可选配置,启用后会导致数据离开本地设备——详见「隐私」章节。
支持 PDF、DOCX、TXT、Markdown 格式。兼容 Linux、macOS(含 EC2 Mac Apple Silicon)及 Windows。
pipx install zettabrain-rag sudo zettabrain-setup
安装脚本均为开源,您可在执行前通过上方链接完整审阅其源码。
# Linux — 请先审阅:https://github.com/zettabrain/zettabrain-rag/blob/main/install.sh curl -fsSL https://zettabrain.app/install.sh | sudo bash # macOS — 请先审阅:https://github.com/zettabrain/zettabrain-rag/blob/main/install.sh curl -fsSL https://zettabrain.app/install.sh | bash # Windows — 请先审阅:https://github.com/zettabrain/zettabrain-rag/blob/main/install.ps1 irm https://zettabrain.app/install.ps1 | iex
Linux 安装脚本需使用 sudo 权限,以实现 Ollama 的系统级安装及 systemd 服务注册;macOS 安装脚本在包安装阶段无需 sudo 权限。
安装完成后,请运行一次交互式配置向导:
sudo zettabrain-setup
该命令将执行以下操作:
| 命令 | 说明 |
|---|---|
zettabrain-chat |
通过 CLI 与您的文档进行交互式对话 |
zettabrain-server |
启动 Web 图形界面服务器(HTTPS,默认端口 7860) |
zettabrain-ingest |
将文档索引至向量数据库 |
zettabrain-ingest --rebuild |
清空现有索引并重新构建全部文档索引 |
zettabrain-status |
显示 Ollama、向量数据库及存储状态 |
zettabrain-storage add |
添加额外的存储源 |
zettabrain-setup |
重新运行配置向导 |
通过 CLI 对话:
zettabrain-chat # > 我们的 Q3 报告中关于云成本的内容是什么?
启动 Web 图形界面(访问 https://localhost:7860):
zettabrain-server
索引指定文件夹:
ZETTABRAIN_DOCS=/path/to/docs zettabrain-ingest
向量索引(即文档嵌入向量)**仅存储于您的本地机器上**:
| 项目 | 位置 |
|---|---|
| 向量数据库 | /opt/zettabrain/src/zettabrain_vectorstore/ |
| 索引日志(MD5 哈希值) | /opt/zettabrain/src/ingested_files.json |
| 配置文件 | /opt/zettabrain/src/zettabrain.env |
嵌入向量绝不会传输至任何远程服务。它们由您的文档生成,并在本地 ChromaDB 中持久化存储。
删除向量索引:
# 通过 CLI 接口 zettabrain-server & curl -X DELETE http://localhost:7860/api/vectorstore # 或直接删除文件 rm -rf /opt/zettabrain/src/zettabrain_vectorstore rm -f /opt/zettabrain/src/ingested_files.json
从零重建索引:
zettabrain-ingest --rebuild
排除特定文件或文件夹:只需确保它们未包含在 ZETTABRAIN_DOCS 所指定路径下即可——仅该路径下的文件会被索引。
ZettaBrain 会注册一个后台服务,使 Web 图形界面在系统启动时自动运行。以下是控制或彻底移除该服务的方法:
# 停止服务 sudo systemctl stop zettabrain # 禁用开机自启 sudo systemctl disable zettabrain # 查看服务状态 sudo systemctl status zettabrain # 查看实时日志 journalctl -u zettabrain -f # 彻底移除服务 sudo systemctl stop zettabrain sudo systemctl disable zettabrain sudo rm /etc/systemd/system/zettabrain.service sudo systemctl daemon-reload
# 停止服务 sudo launchctl unload /Library/LaunchDaemons/io.zettabrain.server.plist # 移除开机自启 sudo rm /Library/LaunchDaemons/io.zettabrain.server.plist # 查看日志 tail -f /opt/zettabrain/logs/server.log
# 卸载 Python 包 pipx uninstall zettabrain-rag # 停止并移除服务(Linux) sudo systemctl stop zettabrain && sudo systemctl disable zettabrain sudo rm -f /etc/systemd/system/zettabrain.service && sudo systemctl daemon-reload # 停止并移除服务(macOS) sudo launchctl unload /Library/LaunchDaemons/io.zettabrain.server.plist sudo rm -f /Library/LaunchDaemons/io.zettabrain.server.plist # 删除全部数据、配置及向量索引 sudo rm -rf /opt/zettabrain
隐私保护程度取决于您的具体配置:
| 配置 | 数据是否保留在本地? |
|---|---|
本地存储 + OLLAMA_HOST=http://localhost:11434(默认) |
✅ 是 — 完全本地化 |
| NFS 或 SMB 网络存储 | ⚠️ 文档通过局域网获取 |
| S3 / 对象存储 | ⚠️ 文档从云存储流式加载 |
远程 OLLAMA_HOST |
⚠️ 查询请求及检索出的文档片段将发送至远程 Ollama |
默认配置为完全本地化。 配置向导默认选择本地存储与 localhost 上的 Ollama 端点。所有远程选项均为显式启用,并在配置过程中明确标注。
无论文档存储配置如何,文档嵌入向量(即向量索引)始终在本地存储。
配置文件路径:/opt/zettabrain/src/zettabrain.env
| 变量 | 默认值 | 说明 |
|---|---|---|
ZETTABRAIN_DOCS |
配置过程中设定 | 文档所在文件夹路径 |
ZETTABRAIN_LLM_MODEL |
配置过程中设定 | Ollama 模型名称 |
ZETTABRAIN_EMBED_MODEL |
nomic-embed-text |
嵌入模型 |
OLLAMA_HOST |
http://localhost:11434 |
Ollama API 端点(如需完整隐私保护,请保持为本地地址) |
ZETTABRAIN_CHUNK_SIZE |
1000 |
文档分块大小 |
ZETTABRAIN_CHUNK_OVERLAP |
200 |
分块重叠字数 |
| 平台 | 备注 |
|---|---|
| Ubuntu 22.04 / 24.04 | 完整 GPU 支持(NVIDIA 驱动自动安装) |
| Amazon Linux 2 / 2023 | 完全支持 |
| RHEL / Rocky / AlmaLinux 8/9 | 完全支持 |
| macOS 12+ Apple Silicon | 通过 Ollama 使用 Metal GPU(mac2.metal、mac2-m2.metal) |
| macOS 12+ Intel | CPU 推理(mac1.metal) |
| Windows 10/11 | 通过 PowerShell 安装脚本支持 |
相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.1万人学习
共49课时 | 82.6万人学习
最新文章