企业官网建设流程全解析

LEANN 完整上手指南：如何 5 分钟在本地跑一个省 97% 存储的私有 RAG

【免费下载链接】LEANN[MLsys2026]: RAG on Everything with LEANN. Enjoy 97% storage savings while running a fast, accurate, and 100% private RAG application on your personal device.项目地址: https://gitcode.com/GitHub_Trending/le/LEANN

想找几年前的聊天记录、某封邮件、或某篇 PDF 里的结论，你不必再一个文件一个文件翻。LEANN 是跑在本地笔记本上的私有 RAG 系统：把文档、邮件、聊天记录、浏览历史一次性索引成可语义搜索的知识库，数据全程不出本机，索引体积比传统向量库小 97%，而且不损失检索精度。它开源免费，装完几分钟，你就能对自己的一堆数据直接发问。

开跑前核对这 4 项：LEANN 环境检查清单

别急着敲命令，先把环境过一遍，能省掉一半报错。

• Python 版本：3.10 及以上（3.9–3.13 都可用）。
• 包管理器 uv：LEANN 用 uv 管依赖，先确认uv能跑，没有就先装一个。
• 操作系统：Ubuntu/Arch/WSL、macOS（ARM64 或 Intel）、Windows 都支持；纯 CPU 的 Linux 记得装leann[cpu]。
• 想要完全离线🔒：可选装 Ollama 拉一个轻量模型，这样连生成回答都不走云。

首次运行验证点：装完跑leann --help，能吐出帮助说明环境通了；再建一个索引、搜一次能出结果，就算真正跑通。

最快上手路径：3 个动作跑通本地文档 RAG

核心体验就三步：装 → 建索引 → 搜。

动作一，把 LEANN 装进虚拟环境，顺便拿到全部示例：

git clone https://gitcode.com/GitHub_Trending/le/LEANN leann cd leann uv venv source .venv/bin/activate uv pip install leann

动作二，给一个文档目录建索引，把my-docs和./docs换成你自己的索引名和文档目录：

leann build my-docs --docs ./docs

动作三，搜索或连续追问，--interactive模式下连续提问、输入quit退出：

leann search my-docs "机器学习的核心概念" leann ask my-docs --interactive

到这里，你的个人文档就能被自然语言检索了。📦 整个索引通常只有几百 MB 到几 GB，随手丢哪个盘都行——下面这张图就是它和传统向量库的体积差距：

除了 build / search / ask，CLI 还给了leann watch（检测文件变更）、leann list（列出所有索引）、leann remove（删索引），够你管一整批个人数据。

进阶玩法：把邮件、聊天、代码库也纳入搜索

跑通文档只是开始。下面三个最能代表 LEANN 的玩法，每个都告诉你怎么开、开完能换来什么。

把 Apple Mail 和浏览器历史变成搜索对象

怎么开：仅邮件需要先在「系统设置 → 隐私与安全性 → 完全磁盘访问」给终端放行，然后直接跑：

python -m apps.email_rag --query "我主要用 DoorDash 或 Uber Eats 点了什么？" python -m apps.browser_rag --query "我搜过哪些机器学习的资料？"

换来什么：78 万封邮件块只占 78MB、3.8 万条浏览记录只占 6MB，你能像搜 Google 一样搜自己的邮件和历史。🔍

让 Claude Code 直接对代码库做语义检索

怎么开：全局装一次，再注册成 MCP 服务：

uv tool install leann-core --with leann claude mcp add --scope user leann-server -- leann_mcp

换来什么：在 Claude Code 里不再只有grep式关键词搜索，而是真正懂语义的代码检索；同一套 MCP 机制还能实时拉 Slack、Twitter 等在线数据，不用手动导出。🚀

多模态 PDF：连图、表、版式一起搜

怎么开：用 ColQwen 系列视觉模型建索引再检索：

python -m apps.colqwen_rag build --pdfs ./my_papers/ --index research_papers python -m apps.colqwen_rag search research_papers "注意力机制是怎么工作的？"

换来什么：检索不再只看文字，图、表、复杂排版都能理解，特别适合科研论文和技术文档。✨

卡住了怎么办：LEANN 常见问题对照表

报错别慌，绝大多数卡壳都落在这张表里，对号入座即可 💡。

想深入时看哪里：LEANN 文档与源码导读

想搞懂它为什么能省 97%，去 packages/leann-core/ 看核心 API 与后端实现，原理见下图：它存的是剪枝后的图而非全部向量，搜索时才按需重算嵌入。

想查它到底支持哪些能力，翻 docs/features.md；被报错卡住，第一站是 docs/faq.md。

LEANN 的核心就一句话：让你的个人数据可被语义搜索，索引小到能塞进任何笔记本，且全程不出本机。现在就对文档目录跑leann build my-docs --docs ./你的目录，再用leann search my-docs "你常找的那句话"搜一次，看看到底省了多少空间。

【免费下载链接】LEANN[MLsys2026]: RAG on Everything with LEANN. Enjoy 97% storage savings while running a fast, accurate, and 100% private RAG application on your personal device.项目地址: https://gitcode.com/GitHub_Trending/le/LEANN