
【免费下载链接】pdf-brain Local PDF knowledge base with vector search using libsql w/vectors项目地址https://gitcode.com/gh_mirrors/pd/pdf-brain点击查看免费下载pdf-brain 是一款运行在本地的 PDF 知识库工具通过本地 LLM如 Ollama 的 llama3.2:3b对文档进行AI 增强enrichment自动提取标题、作者、摘要、标签和概念并匹配 SKOS 分类体系全程无需云端 API、不产生费用。本文带你完整解析这套自动元数据提取机制的工作原理与使用方法。 快速了解AI 增强到底做了什么当你用--enrich参数添加文档时pdf-brain 会把文档内容交给 LLM自动产出一整套结构化元数据字段说明title干净、格式规范的标题author可识别时的作者名summary2-3 句话的文档摘要documentType文档类型book / paper / tutorial / guide 等category主分类如 programming、educationtags5-10 个描述性标签concepts与本地 SKOS 分类体系匹配的概念proposedConceptsLLM 建议新增的概念整个过程完全在本地完成核心逻辑集中在 src/services/AutoTagger.ts 中。 一键启用开启 AI 增强的 3 个步骤第 1 步安装 pdf-braincurl -fsSL https://raw.githubusercontent.com/joelhooks/pdf-brain/main/scripts/install.sh | bash也可以从源码构建git clone https://gitcode.com/gh_mirrors/pd/pdf-brain cd pdf-brain bun install第 2 步准备 Ollama 与模型向量检索需要嵌入模型必需AI 增强需要 LLM 模型推荐ollama pull mxbai-embed-large # 嵌入模型1024 维必需 ollama pull llama3.2:3b # 本地 LLMAI 增强用推荐 ollama serve第 3 步添加文档并开启增强pdf-brain init # 初始化数据库 内置分类体系 pdf-brain add paper.pdf --enrich # 触发 AI 增强批量导入整个目录同样支持pdf-brain ingest ~/Documents/papers --enrich默认增强 provider 为本地 Ollama可在 README.md 的 Configuration 一节看到全部配置项。 深度解析自动提取的 4 类信息1️⃣ 标题与作者从文件名到规范标题LLM 会读取文件名 正文前 6000 字符见 AutoTagger.ts输出规范化的标题。比如cognitive_load_theory_sweller.pdf会被识别为{title: Cognitive Load Theory, author: John Sweller, ...}即使 LLM 不可用内置的启发式函数cleanTitle也会把my-notes_v2-final.pdf清理成 My Notes V2 Final 这样可读的标题AutoTagger.ts。2️⃣ 摘要2-3 句话的文档速览摘要字段要求 LLM 用 2-3 句话概括文档内容与价值例如Reviews cognitive load theory and its implications for instructional design.。这在后续用pdf-brain search检索时非常有用——你搜工作记忆对学习的影响摘要命中的概率远高于原始正文。3️⃣ 标签与分类5-10 个语义标签LLM 会生成 5-10 个小写连字符风格的标签如cognitive-load、working-memory并归类到documentType论文/书籍/教程等 10 种类型见 DocumentType 定义。提示词中内置了多组 few-shot 示例来约束本地小模型输出稳定的 JSON 格式AutoTagger.ts这是本地 LLM 场景下保证稳定性的关键技巧。4️⃣ 概念匹配对齐 SKOS 分类体系这是 pdf-brain AI 增强最有特色的部分。项目内置了一套 SKOS 分类体系种子数据见 data/taxonomy.json涵盖编程、教育、商业、设计、元技能五大领域。LLM 不是随意打标签而是从你的分类体系中选概念 ID例如education/cognitive-load、programming/react。概念的管理逻辑在 src/services/TaxonomyService.ts 中实现可用以下命令查看pdf-brain taxonomy tree # 查看概念树 pdf-brain taxonomy proposed # 查看 LLM 建议的新概念 pdf-brain taxonomy accept --all # 接受全部建议⚙️ 幕后机制三步 RAG 增强流程pdf-brain 的enrich()方法AutoTagger.ts并非简单地把文档丢给 LLM而是执行了一个精巧的三步流程STEP 1 — 提取 RAG 上下文先把文档前 2000 字符向量化用向量相似度从分类体系中召回最相关的 5 个概念相似度阈值 0.5见 extractRAGContext。这些概念被优先放入 LLM 提示词显著提升概念匹配的准确率。STEP 2 — LLM 完整增强带着RAG 增强后的概念列表调用 LLM。provider 选择遵循配置 CLI 参数 自动探测的优先级默认走本地 Ollama若 Ollama 未运行或模型缺失自动切换到 AI GatewayAnthropic、OpenAI 等实现见 src/services/Gateway.ts。STEP 3 — 新概念自动接纳LLM 可能提出分类体系中不存在的新概念如education/spaced-repetition。系统会校验概念 ID 格式必须是父类/短名结构见 validateProposedConcepts对新概念做向量化查找相似已有概念若相似度高再让 LLM 充当裁判判断是否重复llmJudgeDuplicateAutoTagger.ts确认是全新概念后自动加入分类体系并存储嵌入。这意味着你的分类体系会随着文档的增加自动生长而 LLM 重复概念会被去重拒绝。 降级策略LLM 挂了怎么办pdf-brain 设计了一个完整的启发式兜底当 LLM 增强失败网络错误、限流、JSON 解析失败时自动回退到纯规则方案AutoTagger.ts标题从文件名清理而来标签从路径、文件名、正文关键词TF-IDF 式打分提取分类从目录结构推断实际错误会被记录到日志供调试但导入流程不会中断。因此即使断网你的知识库依然可用——只是元数据没那么聪明。 实用技巧与注意事项速度LLM 增强是 CPU 密集型操作大批量导入建议挂过夜运行追求速度可改用--auto-tag启发式 轻量 LLM更快GPU 加速Ollama 支持 GPU 时增强速度会有质的提升换模型pdf-brain config set enrichment.model 模型名可随时切换Ollama 端点与模型选择逻辑见 src/services/Ollama.ts自定义分类编辑taxonomy.json后执行pdf-brain taxonomy seed --file data/taxonomy.json即可重建体系数据库规模500 万 chunk 时向量索引会相当大约 48GB HNSW 邻居图大规模使用建议先阅读 AGENTS.md 中的容量说明✅ 总结pdf-brain 的 AI 增强能力 本地 LLM RAG 概念召回 新概念自动治理 启发式兜底。它让整理文档这件事从手工打标签变成了自动流水线标题、摘要、标签、概念一次生成分类体系越用越准。全程本地运行既保护了隐私又零 API 成本——这正是本地优先local-first知识库工具的核心价值。想深入更多设计背景可参考 docs/ 目录下的 agentic-cli-roadmap.md 等文档。赞分享【免费下载链接】pdf-brain Local PDF knowledge base with vector search using libsql w/vectors项目地址https://gitcode.com/gh_mirrors/pd/pdf-brain点击查看免费下载相关推荐AIHOT 文章摘要提示词解析summarize-article.md 如何约束 LLM 产出自洽标题与导语式摘要AIHOT 文章摘要提示词解析summarize article.md 如何约束 LLM 产出自洽标题与导语式摘要 AIHOT 是一个自己找热点、自己写日报后端前端人工智能大模型AI 应用任务调度MCP 服务网页爬虫数据清洗CMS数据工程Baichuan-Omni-1d5-Base模型配置全攻略从参数调优到性能优化的实用技巧Baichuan Omni 1d5 Base模型配置全攻略从参数调优到性能优化的实用技巧 Baichuan Omni 1d5 Base模型是BaichuanKarabiner-Elements如何彻底掌控你的macOS键盘生产力Karabiner Elements如何彻底掌控你的macOS键盘生产力 你是否曾因macOS键盘布局限制而感到束手束脚是否梦想着将Caps Lock键从开发工具上一篇MinerU-4_models_onnx文字识别流水线揭秘PP-OCRv6 Tiny检测Small识别ONNX实战指南下一篇S3-DiT 扩散 Transformer 解析Ming-Image-0.1-Design-8bit 的 30 层 DiT 如何工作创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考