Reor:AI桌面笔记应用

简介: 【2月更文挑战第9天】Reor:AI桌面笔记应用

71a6984090813c08f0bfa477af2c8709.jpg
Reor是一款由人工智能驱动的桌面笔记应用程序,它具备自动链接相关想法、回答笔记中的问题,并提供语义搜索功能的特性。这款应用程序的所有内容都存储在本地,用户可以使用类似黑曜石的Markdown编辑器进行编辑。Reor的开发基于人工智能思维工具在本地运行模型的假设,它构建于多个项目之上,包括Llama.cpp、Transformers.js和LanceDB,这使得LLMs和嵌入式模型能够在本地运行。

与其他类似应用不同的是,Reor不仅支持连接到兼容OpenAI的API,还实现了“自组织”的功能。它能够将每条笔记分块并嵌入到内部矢量数据库中,通过向量相似度自动连接相关笔记。此外,Reor利用LLM驱动的问答对笔记语料库进行RAG,实现一切内容的语义搜索。用户可以将Reor视为一个带有两个生成器的RAG应用程序,在问答模式下LLM提供上下文检索,而在编辑器模式下,用户可以切换侧边栏以显示相关注释,从而“增强”自己的想法。

Reor的使用非常便捷,用户可以从reorproject.org或releases下载,并像普通应用程序一样安装。此外,Reor直接与Llama.cpp库交互,无需下载Ollama,但用户需手动下载所选模型。这款应用程序还在文件系统中工作,用户可以选择目录,并计划推出与其他应用程序的集成功能。

对于那些想要从源头构建的用户,他们可以克隆Reor的仓库,安装依赖项,然后进行开发运行或构建。这为开发人员提供了更多自定义和拓展的可能性,使他们能够根据自己的需求来定制Reor。

目录
相关文章
|
1天前
|
机器学习/深度学习 人工智能 算法
未来AI技术的发展与应用前景
随着人工智能(AI)技术的迅速发展,其在各个领域的应用前景备受关注。本文将探讨未来AI技术的发展趋势,以及其在医疗、交通、教育等领域的潜在应用,展望AI技术对未来社会的影响和改变。
9 1
|
3天前
|
机器学习/深度学习 算法 PyTorch
fast.ai 深度学习笔记(三)(3)
fast.ai 深度学习笔记(三)(3)
|
3天前
|
机器学习/深度学习 PyTorch 算法框架/工具
fast.ai 深度学习笔记(三)(1)
fast.ai 深度学习笔记(三)(1)
|
4天前
|
机器学习/深度学习 固态存储 Python
|
4天前
|
机器学习/深度学习 算法框架/工具 PyTorch
|
机器学习/深度学习 自然语言处理 Web App开发
|
4天前
|
机器学习/深度学习 API 调度
|
机器学习/深度学习 计算机视觉 存储
|
4天前
|
机器学习/深度学习 自然语言处理 搜索推荐
|
4天前
|
算法框架/工具 机器学习/深度学习 PyTorch