rag-alternative 开源项目推荐（69 个）

Astro-Han /karpathy-llm-wiki

适用于Claude Code、Cursor和Codex的代理技能兼容LLM维基。从原始资料、引文和棉绒中构建卡帕西风格的知识库。

axoviq-ai /synthadoc

Synthadoc：一个开源LLM知识汇编引擎，可将原始文档转化为结构化、本地优先的维基。传统RAG的透明、人性化的替代品，可以自我管理和自我改进，无需使用任何工具。

CodeAbra /iai-personal-memory-engine

Independent Autistic Intelligence——为你的 AI 打造的赛博大脑。它从不会忘记任何细节，能准确记住你说过的话，并随着时间了解你的工作方式。免费、本地运行，兼容 Cursor、Claude Code、Codex、OpenClaw、Hermes 等。MIT 许可。

kytmanov /obsidian-llm-wiki-local

Karpathy的LLM维基，100%本地化，和Ollama一起。Drop Markdown 笔记→ AI 会自动提取概念→你的 Obsidian 维基，自动链接并扩展。完全不分享。你的笔记留给你。

kytmanov /synto

不止是 Karpathy 的 LLM Wiki，借助 Ollama 实现 100% 本地化。放入 Markdown 笔记 → AI 提取概念 → 你的 Obsidian wiki 自动链接并生长。零共享。你的笔记始终属于你。

AyanbekDos /memoriki

Memoriki - LLM Wiki + MemPalace。具有真实记忆的个人知识库。

praneybehl /llm-wiki-plugin

将 Andrej Karpathy 的 LLM Wiki 模式作为技能和 Claude Code 插件——把积累的资料转化为可自我维护、可扩展的 Markdown 知识库。

HiveForensics-AI /knolo-core

Knolo 将文档转化为可验证的 Knowledge Image（.knolo）：一个可挂载、可查询并可证明的可移植文件。确定性检索、密码学根、故障关闭式验证。本地优先。无需向量数据库。

2233admin /obsidian-llm-wiki

你的Markdown保险库，编译成一个6人格MCP团队，涵盖Claude Code、Codex、OpenCode和Gemini CLI。先无头。引用，不猜。

zhurudong /andrej-karpathy-llm-wiki

一个极简 CLAUDE.md 模板，可将任意 LLM CLI 变成个人知识库。放入一个文件，即可开始摄取文章。Karpathy 的 LLM Wiki 模式。

horiacristescu /nub

该项目在 GitHub 上没有填写描述

vbarsoum1 /llm-wiki-compiler

将文档编译成动态生长的 Obsidian wiki。适用于任意 AI agent。基于 Karpathy 的 LLM Wiki 模式。

sanjayrohith /Dejavu

面向仓库范围的记忆，将编码 agent 的决策、陷阱和交接存储在单个可检查的 SQLite 文件中，使 agent 能继续工作而不是从头开始。

helinakdogan /agentmagnet

记住你的项目，让你无需再次解释。跨 Claude、Codex、Cursor 的记忆。

qiuyanxin /sp-context

为每个 AI agent 提供团队知识的持久记忆。无需向量数据库，无需 RAG——只需 Git + BM25 + 每会话 114 个 token。

thebasedcapital /brainbox

编码 agent 的肌肉记忆。本地 Hebbian 程序性记忆，学习哪些文件、工具和修复彼此关联——并在你的 agent 搜索之前回忆起来。

tygryso /hypotree

会遗忘的记忆：面向智能体研发的持久、自我修正的信念状态 MCP 服务器和 Python API。使用假设 DAG 自动剪除死胡同，并在无需额外探测的情况下推断真相。

sasus-dev /synapse-context-engine

Synapse Context Engine（SCE）是一种受大脑启发、基于超图的 AI 记忆架构，用于持久上下文、连贯推理和长期记忆，并以透明性和安全性为设计目标。

Kortexio /ContextMemory

通过 Markdown wiki 提供持久 LLM 记忆的智能体网关。Kortexio 的开源核心。

huidev2025 /CSF

一个人机协作框架，顺应而非绕开 LLM 的本质——自然语言和目的使 RAG 与 agent 编排变得不再必要。Pang Principle 的所在地。