qras

QRAS 是一個高效能、本地優先的檢索增強生成 (RAG) 系統，專為代理程式與個人工作區設計，旨在成為智慧化的語義記憶層。透過 Qdrant 作為向量資料庫並結合 Ollama 進行嵌入生成，它使用戶能夠索引並查詢大量的非結構化數據，包括 Markdown 筆記、日誌與專案文件。QRAS 的架構架起了靜態文件存儲與主動記憶檢索之間的橋樑，確保代理程式能在不依賴雲端 API 或妥協隱私的情況下，獲取關於過去決策、人際關係與用戶偏好的上下文資訊。

• 進階語義向量搜索：利用高維向量嵌入來理解自然語言意圖，超越簡單的關鍵字匹配，精準捕捉查詢上下文。

• 混合搜索能力：結合向量相似度與基於關鍵字的過濾，兼顧概念相關性與術語精確度。

• 增量索引：支援透過選擇性重新索引文件進行即時更新，確保記憶庫保持最新狀態，無需重複全庫刷新。

• LLM 優化輸出：提供專為 AI 代理設計的高效能檢索格式，最大化上下文窗口的利用效率。

• 開發者友好的 CLI：內建強大的命令列介面，用於處理索引任務、集合管理與互動式對話。

• 可擴展架構：基於 Python 並支援 Docker 容器化部署，適合本地端、邊緣伺服器或整合型工作環境。

• 主要應用場景：非常適合知識工作者、開發人員與需要可靠「第二大腦」的 AI 代理。可用於查詢「發票會議決策內容」、「用戶偏好的任務格式」或「找出所有關於 Qdrant 的參考文件」。

• 輸入與輸出：支援本地 Markdown 目錄與 JSON 資料集作為輸入。輸出結構化的上下文片段，可直接用於後續的 LLM 提示詞 (Prompt)。

• 部署限制：需在本地運行 Ollama 與 Qdrant 容器。用戶需確保有足夠的系統資源（CPU/RAM）來執行嵌入模型（如 bge-m3:567m）。

• 最佳實踐：建議將 QRAS 作為記憶查詢的首選工具，並維持清晰的 memory/ 目錄結構，以避免無關文件汙染索引內容。