Reor：私有、本地的 AI 个人知识管理桌面应用
Reor 是一款 AI 驱动的桌面笔记应用，可自动关联相关笔记、基于笔记内容进行问答并提供语义搜索；所有数据保存在本地，配合类 Obsidian 的 Markdown 编辑器使用，主张「思考类 AI 工具应默认在本地运行模型」。
社区作者 · zZz
它解决什么问题
Reor 是一个私有、本地的 AI 个人知识管理（PKM）桌面应用，面向「高熵人群」（high entropy people）的笔记与想法管理场景。
核心定位：Reor 是一个 AI 驱动的桌面笔记应用，能自动链接相关笔记、就你的笔记回答问题，并提供语义搜索。所有内容存储在本地，可用类似 Obsidian 的 Markdown 编辑器编辑笔记。
项目假设：面向思考的 AI 工具应当默认在本地运行模型。Reor 建立在 Ollama、Transformers.js 与 LanceDB 之上，使 LLM 与嵌入模型都能在本地运行。
工作机制：
- 你写的每一条笔记都会被切分（chunk）并嵌入到内部向量数据库中。
- 相关笔记通过向量相似度自动建立连接。
- LLM 驱动的问答会对笔记语料执行 RAG。
- 所有内容都可以进行语义搜索。
作者给出的一种理解方式：Reor 可以看作一个拥有两个生成器的 RAG 应用——LLM 与人类。在问答模式下，LLM 接收从笔记语料中检索到的上下文来帮助回答查询；类似地，在编辑器模式下，人类可以切换侧边栏，查看从语料中「检索」出来的相关笔记。这种把当前笔记中的想法与语料中的相关想法交叉引用的方式，是一种很强的「增强」思考的手段。
平台与获取方式：支持 Mac、Linux 与 Windows，可从 reorproject.org 或 GitHub releases 下载，按普通应用方式安装。
本地模型：Reor 直接与 Ollama 交互，因此可以直接在 Reor 内下载并本地运行模型（Settings -> Add New Local LLM，输入希望 Reor 下载的模型名称）。也可以连接 OpenAI 兼容的 API，例如 Oobabooga、Ollama 或 OpenAI 本身。
笔记导入：Reor 在文件系统中以单一目录工作，首次启动时由你选择该目录。要从其他应用导入笔记/文件，需要手动把 Markdown 文件放入该目录；如果 Markdown 文件带有 frontmatter，可能无法正确解析。与其他应用的集成「有望」在未来推出。
源码构建：需先安装 Node.js；克隆仓库、安装依赖、开发运行与构建分别使用相应 npm 命令。
社区：项目已开通 Discord，欢迎反馈；欢迎贡献者参与知识管理的未来建设，可查看 issues 页面与贡献指南。
许可证：AGPL-3.0，详见仓库 LICENSE。Reor 在拉丁语中意为「去思考」。
— 本文由 AI 根据公开来源辅助整理，命令、版本与许可证请在使用前到原始页面复核。
安装 / 开始使用
- 普通安装（推荐）
- 从 reorproject.org 或 GitHub releases 页面下载安装包；Mac、Linux 与 Windows 均受支持。
- 像安装普通应用一样安装。
- 首次启动时需要选择一个文件系统目录，Reor 在该单一目录内工作。
- 从其他应用导入笔记
- 手动把 Markdown 文件放入首次启动时选定的那个目录。
- 注意：如果 Markdown 文件带有 frontmatter，可能无法正确解析。
- 与其他应用的集成「有望」在未来提供。
- 运行本地模型
- Reor 直接与 Ollama 交互，可在 Reor 内直接下载并运行本地模型。
- 进入 Settings -> Add New Local LLM，输入希望 Reor 下载的模型名称；可用模型可在 Ollama 模型库中查找。
- 也可以连接 OpenAI 兼容的 API，例如 Oobabooga、Ollama 或 OpenAI 本身。
- 从源码构建
- 准备环境：确保已安装 Node.js。
- 克隆仓库：
git clone https://github.com/reorproject/reor.git- 安装依赖：
npm install- 开发运行：
npm run dev- 构建：
npm run build- 常见问题
- 笔记 frontmatter 可能解析不正确。
- Reor 只在一个目录内工作，导入笔记必须放入该目录。
- 本地模型的名称需自行填写，具体可用模型以 Ollama 模型库为准。