qras

QRAS 是一个高效能、本地优先的检索增强生成 (RAG) 系统，专为代理程序与个人工作区设计，旨在成为智能化的语义记忆层。通过 Qdrant 作为向量数据库并结合 Ollama 进行嵌入生成，它使用户能够索引并查询大量的非结构化数据，包括 Markdown 笔记、日志与项目文档。QRAS 的架构架起了静态文件存储与主动记忆检索之间的桥梁，确保代理程序能在不依赖云端 API 或妥协隐私的情况下，获取关于过去决策、人际关系与用户偏好的上下文信息。

• 进阶语义向量搜索：利用高维向量嵌入来理解自然语言意图，超越简单的关键词匹配，精准捕捉查询上下文。

• 混合搜索能力：结合向量相似度与基于关键词的过滤，兼顾概念相关性与术语精确度。

• 增量索引：支持通过选择性重新索引文件进行实时更新，确保记忆库保持最新状态，无需重复全库刷新。

• LLM 优化输出：提供专为 AI 代理设计的高效能检索格式，最大化上下文窗口的利用效率。

• 开发者友好的 CLI：内置强大的命令行接口，用于处理索引任务、集合管理与交互式对话。

• 可扩展架构：基于 Python 并支持 Docker 容器化部署，适合本地端、边缘服务器或集成型工作环境。

• 主要应用场景：非常适合知识工作者、开发人员与需要可靠“第二大脑”的 AI 代理。可用于查询“发票会议决策内容”、“用户偏好的任务格式”或“找出所有关于 Qdrant 的参考文件”。

• 输入与输出：支持本地 Markdown 目录与 JSON 数据集作为输入。输出结构化的上下文片段，可直接用于后续的 LLM 提示词 (Prompt)。

• 部署限制：需在本地运行 Ollama 与 Qdrant 容器。用户需确保有足够的系统资源（CPU/RAM）来执行嵌入模型（如 bge-m3:567m）。

• 最佳实践：建议将 QRAS 作为记忆查询的首选工具，并维持清晰的 memory/ 目录结构，以避免无关文件污染索引内容。