可搜索、可聚合、可持续更新的知识库

来源类型： 技术指南
日期：
标签： knowledge-base, rag, faiss, sqlite, local-first, openclaw

核心论点

为数千份Markdown原始研究素材设计了一套经济实惠的知识库方案：全部在本地或低成本云上完成，几乎不需要付费LLM Token。核心流程为"离线向量化 → FAISS索引 → SQLite元数据 → 低成本检索 → 按需LLM摘要"。

关键结论

• 技术栈：Python + Sentence-Transformers + FAISS + SQLite + 本地LLM（或小额OpenAI）+ Streamlit/Obsidian前端
• 向量化一次完成，之后增量更新，日常运行成本几乎为零
• 检索只需调用本地embedding模型（bge-large-zh）和FAISS，完全不消耗Token
• 只在需要高质量自然语言摘要时少量调用LLM，费用在几元/月量级
• 支持通过Streamlit搭建网页端UI或集成到Obsidian中
• 扩展方向：知识图谱（Neo4j）、自动标签（Zero-Shot分类）、多语言检索