CopoHub Trending

yichuan-w/LEANN

RAG on Everything with LEANN. Enjoy 97% storage savings while running a fast, accurate, and 100% private RAG application on your personal device.

Python · ★ 9,302 · Fork 804 · 在 GitHub 查看

在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→

GitHub Trending 上榜记录

yichuan-w/LEANN 已在 GitHub Trending 每日榜单上榜 7 天,最高排名第 4,首次上榜 2025-12-23,最近一次上榜 2026-01-20。

日期排名Star当日增长
2026-01-20#79,302+374
2026-01-19#68,958+144
2026-01-02#10622+622
2025-12-27#5352+352
2025-12-26#5356+356
2025-12-24#9408+408
2025-12-23#4143+143

同期上榜的项目

LEANN 项目深度剖析与商业评估报告

LEANN 项目深度剖析与商业评估报告

1. 核心定位与商业落地价值

根本痛点剖析 LEANN 直击个人级与边缘端 RAG 场景中最尖锐的矛盾:向量存储的物理成本与语义检索的准确性不可兼得。传统向量数据库(如 FAISS、Milvus)在百万级文本块场景下通常需要数百 GB 存储,这直接排除了消费级笔记本、边缘网关等资源受限设备的本地化部署可能。LEANN 通过 graph-based selective recomputation(基于图的按需重算)技术,将存储开销压缩 91%-97%,使 6000 万文档块仅占用 6GB 空间,首次让"个人全量数据本地语义检索"成为现实。

企业级落地场景 隐私敏感行业的本地知识库:法律、医疗、金融领域对数据出境有严格合规要求,LEANN 的"零遥测、全本地"特性使其成为构建内部合规知识检索系统的理想底座。 边缘计算与离线优先架构:在工业巡检、车载助手、远程站点等弱网/断网场景下,LEANN 的轻量索引可随设备部署,实现毫秒级本地响应。 个人数据资产管理(PDM):其开箱即用的 Apple Mail、WeChat、Chrome 历史、ChatGPT/Claude 会话索引能力,可被封装为面向知识工作者的"第二大脑"商业产品。

竞品护城河与差异化 与同赛道竞品(如 LanceDB、Chroma、sqlite-vec)相比,LEANN 的核心护城河不在于算法单一指标,而在于 "存储-精度"帕累托前沿的整体突破:它并非简单压缩,而是通过图结构剪枝 + 按需重算维持了与全量存储相当的检索精度(论文声称无精度损失)。此外,其背靠 UC Berkeley RISELab(Ion Stoica、Matei Zaharia 等系统领域泰斗署名论文)的学术背书,构成了难以复制的信任壁垒。

2. 核心架构设计与技术深度

模块解耦与分层设计 LEANN 在架构上呈清晰的四层结构: 1. 接入层(Applications):apps/ 目录下按数据源拆分的独立模块(emailrag、wechatrag 等),通过统一 CLI 参数约定(--query、--chunk-size)实现"配置即接口"的声明式体验。 2. 核心引擎层(Core):LeannBuilder / LeannSearcher / LeannChat 三对象模型,分别对应索引构建、向量检索、生成式问答的生命周期,职责单一、边界清晰。 3. 存储后端层(Backends):抽象出 hnsw 与 diskann 双后端接口,前者侧重最大压缩比,后者通过 PQ(乘积量化)图遍历 + 实时重排换取更高搜索吞吐。 4. 集成协议层(MCP):原生支持 Model Context Protocol,使 LEANN 可被 Claude Code 等 AI Agent 作为工具动态调用,实现"检索即服务"。

核心数据链路 索引构建阶段:原始文档 → 分块(支持 AST 感知的代码分块)→ 首次前向传播生成 embedding → 构建 HNSW/DiskANN 图 → 高保真度剪枝(保留 hub 节点,裁剪冗余边)→ 丢弃原始 embedding,仅存图结构 + 原始文本。查询阶段:查询向量 → 图遍历定位候选节点 → 按需重算候选节点 embedding → 精确重排。这一"先建图后删向量"的设计,将存储重心从 O(N) 的向量表转移至 O(N) 的图邻接表,而 CSR(压缩稀疏行)格式进一步将图存储开销压至极致。

查看完整 AI 分析 →

在 README 中展示上榜徽章

GitHub Trending

[![GitHub Trending](https://github.fq6825.top/badge/yichuan-w/LEANN.svg)](https://github.fq6825.top/repo/yichuan-w/LEANN)