KnowNote
Table of contents
背景
KnowNote 是一款專為學習者和開發者設計的在地優先(Local-first)、開源、免 Docker 的 AI 知識庫與筆記工具(被視為 Google NotebookLM 的優質開源替代方案)。
以下為您整理其核心功能:
📚 知識庫與文件管理
多格式匯入: 支援 PDF、Word (
.docx)、PowerPoint (.pptx)、Markdown、TXT 以及網頁內容的匯入。自動解析: 系統會自動對文件進行結構化解析與內容提取。
在地快速儲存: 使用 SQLite 作為底層資料庫,確保資料在本地端的高效儲存與讀取。
🤖 AI 智慧問答與推理
RAG 檢索增強生成: 結合文件上下文進行 AI 對話,大幅降低大模型瞎編的機率。
精準溯源: AI 給出解答的同時,會附帶精確的來源內容引用標記,點擊即可查看原文出處。
多模型對接: 採用 Provider 架構設計,支援自主接入 OpenAI、DeepSeek、Ollama(本地執行模型)等多種 LLM API。
🧠 筆記與視覺化知識輸出
三欄式版面: 介面採用「知識庫 · AI 問答 · 筆記輸出」的高效設計,方便邊查邊寫。
結構化筆記生成: 可以直接將對話內容或提取的核心重點,轉化為系統化的結構筆記。
一鍵生成心智圖: 支援根據文件或對話內容,在獨立視窗中一鍵渲染出心智圖(Mind Map),幫你理清知識脈絡。
🔒 在地優先與輕量化設計
免 Docker / 免伺服器設定: 基於 Electron + React + TypeScript 打造的桌面客戶端(支援 Windows 和 macOS),下載後雙擊即可使用,對非後端開發者非常友善。
資料完全掌控: 所有文件、向量資料均保存在本地端,支援離線使用(若搭配本地 Ollama 模型,可實現完全單機的隱私保護)。
高效向量檢索: 內建
sqlite-vec擴充功能,無需部署龐大的向量資料庫,即可在本地實現快速、準確的語義搜尋。
💡 項目開發藍圖(Roadmap):
目前作者仍在持續推進以下功能的開發,未來將會陸續上線:
- 🚧 音訊上傳與語音轉文字(Transcription)>
- 🚧 根據文件自動生成測驗題目(Quiz)
- 🚧 根據筆記一鍵生成 PPT 簡報
實例
執行
- run@eng07:
C:\Users\kuang\MyPrograms\KnowNote> pnpm dev -- -- --host 172.20.31.19
增加繁體中文
- 新增繁體語系支援:新增
src/renderer/src/locales/zh-TW並複製現有zh-CN的翻譯檔。 - 自動轉換:新增腳本
scripts/convert-to-zh-TW.js並以opencc將簡體翻譯自動轉為繁體,已執行轉換。 - 註冊與載入:在
i18n設定中註冊zh-TW資源(更新src/renderer/src/i18n.ts與src/renderer/src/i18n/index.ts)。 - 型別與工具支援:擴充相關型別與工具以支援
zh-TW(例如src/renderer/src/lib/i18n.ts、src/renderer/src/store/i18nStore.ts、src/shared/types/index.ts)。 - 設定預設提示詞:將
zh-CN的 prompts 複製到zh-TW,已更新src/main/config/defaults.ts。 - 合併邏輯修正:修正
src/main/config/settingsManager.ts的合併邏輯,動態合併defaultSettings.prompts,確保zh-TW預設提示詞能被正確讀取。 - Embedding 維度錯誤修正:修正
src/main/services/KnowledgeService.ts的檢索流程,使用查詢向量回傳的維度來取得/建立向量庫,降低 1024 vs 1536 維度不一致錯誤的發生。 - 其他輔助修改:新增
zh-TW在 onboarding 與設定選單中的顯示選項,並更新相容的 UI 檔案。
這些更動已在程式碼庫中實作,並留下可供驗證的檔案與腳本。
驗證與建議步驟
建議的快速驗證項目:
- 重新啟動應用並前往「設定 → 提示詞」,切換語言至「繁體中文」,應能看到預設的繁體提示詞(或按「恢復預設」)。
- 若遇到向量維度不一致(SQLite 報錯),請針對該 notebook 清除向量並重新索引文件,或在 UI 中重新加入文件以觸發重建索引。
- 若需批次轉換或調整翻譯文字,可編輯
src/renderer/src/locales/zh-TW下的 JSON 檔後重啟應用生效。
畫面

模式設定

評論
2025年底~2026年2月期間,KnowNote確實引起不少注意,後續沒有繼續發展的理由,猜測可能是:
- openclaw興起,大眾目光集中在agentic AI,這類以學習為主要服務功能的專案,很快失去舞台。
- 功能也只限於文件-指令-文件,而不是圖片- 指令-圖片