LEANN最小向量索引实现高效RAG，节省97%存储空间保护数据隐私

LEANN：世界上最小的向量索引，让个人设备实现高效RAG

你是否曾经为传统向量数据库庞大的存储占用而烦恼？或者担心将个人数据上传到云端会泄露隐私？LEANN 的出现，旨在彻底解决这些问题。它是一个基于 Python 开发的创新向量数据库，通过革命性的图基选择性重计算技术，帮助开发者在个人设备上运行快速、准确且 100% 私有的 RAG 应用，同时节省高达 97% 的存储空间。本文将带你全面了解这个潜力新星。

截至收录：
LEANN stars数：4251
LEANN forks数：420

LEANN项目目录截图

LEANN项目核心亮点

🌟 极致存储效率：采用图基选择性重计算和高阶保持剪枝技术，仅需传统方案 3% 的存储空间即可索引相同规模数据。
🔒 完全隐私保护：所有数据处理都在本地完成，无需连接云端，确保个人数据 100% 私有安全。
🪶 轻量便携：智能图剪枝和 CSR 格式最小化图存储开销，整个知识库可在设备间轻松迁移。
📈 强大可扩展性：能够处理传统向量数据库无法应对的混乱个人数据，轻松管理不断增长的个性化数据。

LEANN项目快速开始

只需几步，你就能在本地运行起 LEANN：

1. 安装前置工具：

   # 安装 uv 包管理器
   curl -LsSf https://astral.sh/uv/install.sh | sh

2. 安装 LEANN：

   # 克隆仓库并安装
   git clone https://github.com/yichuan-w/LEANN.git leann
   cd leann
   uv venv
   source .venv/bin/activate
   uv pip install leann

3. 运行第一个示例：

   python -m apps.document_rag --query "LEANN 探索了哪些主要技术？"

LEANN项目应用场景

个人文档智能搜索：将 PDF、TXT、MD 等文档转换为可搜索的知识库，快速找到所需信息。
电子邮件智能管理：索引数十万封邮件，实现类似 Google 的智能搜索体验。
聊天历史语义检索：支持微信、iMessage、ChatGPT、Claude 等聊天记录的智能搜索。
实时数据集成：通过 MCP 协议连接 Slack、Twitter 等平台，实现实时数据检索。
代码库智能助手：与 Claude Code 无缝集成，提供基于语义的代码搜索和开发辅助。

用户案例：目前，伯克利 Sky Computing Lab 等研究机构都在使用 LEANN 来改善其数据处理和工作流程。

LEANN项目链接

yichuan-w / LEANN项目地址：https://github.com/yichuan-w/LEANN

本文地址：https://www.tgoos.com/24421