前言
Reor 是一款人工智能驱动的桌面笔记应用程序，它能自动链接相关笔记、回答笔记中的问题并提供语义搜索。所有内容都存储在本地，支持 Windows、Linux 和 MacOS。Reor 站在 Ollama、Transformers.js 和 LanceDB 等巨头的肩膀上，使 LLM 和嵌入模型都能在本地运行。此外，还支持连接 OpenAI 或与 OpenAI 兼容的 API（如 Oobabooga）。
基本原理
你写的每篇笔记都会被分块并嵌入到内部向量数据库
相关笔记会通过向量相似性(
vector similarity)自动连接起来由
LLM驱动的问答会对笔记语料库进行RAG(Retrieval Augmented Generation)检索增强生成分析所有内容都可以进行语义搜索
可以把 Reor 看作是一个有两个生成器的 RAG 应用程序：LLM 和我们人类。在问答的模式下，LLM会从语料库中获取上下文来帮助回答问题。同样，在编辑模式下，人类可以切换侧边栏，显示从语料库中检索的相关注释。通过将当前笔记中的观点与语料库中的相关观点进行交叉引用，这种扩充的思维方式非常强大。
离线安装
来到官方版本发布页 https://github.com/reorproject/reor/releases/，目前最新版本是 v0.2.6，根据自己的平台选择安装包下载
绑定本地嵌入模型
要绑定本地嵌入模型(Embedding Model)，需要使用 Git Large File Storage (LFS) 从 Hugging Face 下载。
第一步安装git lfs，来到官方网站下载 https://git-lfs.com/
傻瓜式进行安装，安装完毕后，打开 powershell，输入 git lfs install 来验证一下是否安装成功
如果命令有如上的输出，说明安装好了。
第二步，去下载模型，这里以 Xenova/bge-m3 模型为例，仓库地址 https://huggingface.co/Xenova/bge-base-en-v1.5
git clone https://huggingface.co/Xenova/bge-m3如果 git clone 连接不上服务器的话，可以通过下面这个方法
# 安装huggingface-cli命令行工具，包含在huggingface_hub库里，不仅可以下载模型、数据，还可以可以登录huggingface、上传模型、数据
pip install -U huggingface_hub
# 下载模型，支持续传，保存在本地文件夹bge-base-en-v1.5，即最后一个参数
huggingface-cli download --resume-download Xenova/bge-base-en-v1.5 --local-dir bge-base-en-v1.5
第三步进行绑定，来到 Settings --> Embedding Models --> Attach Local Model
选择刚刚下载好的模型文件夹
选择新的模型
可以开始向它提问了
参考资料
https://github.com/reorproject/reor