Marker-Inc-Korea/AutoRAG

项目介绍

AutoRAG Agent 是一个面向办公场景的个人图书管理员 Agent：它直接在原位置读取文件、邮件、聊天和笔记，用稀疏、向量和混合检索找到内容，并把答案中的每条主张链接回对应原文段落 AutoRAG Agent。它基于 Pi Agent 框架，用户要求时也能整理、重命名、移动或编辑文件，并记录每次改动。

引擎以 npm 包 @autorag/librarian 发布，桌面应用 Dazzi 是独立的 Electron + React 客户端，构建在同一引擎之上 安装方式。KakaoTalk、Slack、Discord、Telegram、WhatsApp、邮件、GitHub 等外部数据源通过各自的 CLI 或本地归档查询，不把数据复制进集中式向量库 支持的数据源。

AutoRAG Lite 是同一引擎的无模型模式：纯本地 SPLADE 稀疏检索与向量检索，不消耗 LLM token，并通过 autorag-mcp stdio server 提供给其他 Agent 调用 AutoRAG Lite。

快速使用

需要 Node.js ≥ 24 或 Bun，完整 Agent 还需要一个对话模型。先全局安装：

bun install -g @autorag/librarian
# 或：npm install -g @autorag/librarian

初始化工作区并建索引，然后检查状态 初始化与索引：

autorag init --search-paths ~/Documents/research
autorag refresh
autorag status

autorag init 不会选择模型，首次搜索前要先选模型。打开 TUI 登录并选择模型，再提问 命令行搜索：

autorag tui      # 然后执行 /login 和 /model
autorag health
autorag search "What are our primary Q3 deliverables?"

只想做无模型检索时，改为初始化 Lite 工作区并启动 MCP server：

autorag lite init --search-paths ./documents
autorag lite refresh
AUTORAG_CONFIG=/absolute/path/to/.autorag/config.json autorag-mcp

配置与使用约束

• 语言与解析器。 全局 languages 设置驱动解析，默认 ko,en，可用 --languages、AUTORAG_LANGUAGES 或配置文件覆盖。HWP/HWPX、PDF、DOCX 和图片 OCR 走 kordoc；表格、CSV、PPTX、EML 使用内置读取器 解析器。
• OCR 默认关闭。 parserOptions.ocr.enabled 默认为 false，此时不解析图片文件、扫描页也无法识别。内置 PP-OCRv5 模型只支持韩文和英文，其他语言改用 Tesseract，并按语言下载模型 OCR 配置。
• 解析隔离。 解析在 worker 线程中运行，可设 fileTimeoutMs（默认 120000）和 maxHeapMb；超时、内存溢出或崩溃只会跳过该文件，其余语料继续建索引 解析限制。
• 自动下载的组件。 MinSync 首次运行时安装到 <workspace>/.autorag/bin；格式转换会下载约 85 MB、经 SHA-256 校验的 filee-cli；Windows 捆绑私有的 Everything 实例，macOS/Linux 的 FSearch 需自行安装 系统前提。
• 排除路径是字面路径，不是 glob。 每个路径单独写一次 --exclude；排除目录会同时排除其子项 排除配置。
• 模型接入。 可通过 /login 使用托管的 Dazzi Models，或接入自己的 provider key 直接向服务商付费；Dazzi 没有 API-key 环境变量登录方式 托管方案。
• 许可。 AutoRAG 2.0 与 legacy 引擎均为 Apache-2.0；桌面应用源码采用 Fair Source（FSL-1.1-MIT），捆绑的第三方二进制保留各自许可。

HotRepo 点评

在 2026-11-07 的 TypeScript 日榜上，AutoRAG 新增 40 Star，位列第 16，总计 5,397 Star、485 Fork。站内只有这一条快照，只能说明当天的可见度，不足以判断趋势。从资料看更值得关注的是覆盖面：同一引擎同时提供 CLI、TUI、MCP server，并作为独立桌面应用的基础，Lite 模式还能让外部 Agent 在不配置模型的情况下查询本地文件。数据在原位置联合查询、检索记忆写入 ~/.autorag/memory.json、Agent 改文件时进入系统回收站并记录旧路径 → 新路径，这些设计在把敏感文档目录交给它之前值得先读清楚。