Flamme知识库助手
AI Skill Hub 推荐使用：Flamme知识库助手 是一款优质的AI工具。AI 综合评分 6.8 分，在同类工具中表现稳健。如果你正在寻找可靠的AI工具解决方案，这是一个值得深入了解的选择。
📚 深度解析
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
Flamme知识库助手 依赖 Python 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Python 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 Flamme知识库助手 的版本更新，及时通知重要功能变化。
📋 工具概览
基于LLM-WIKI开发的开源个人知识库AI管家。提供智能知识整理、检索和问答能力，帮助用户建立个人数字大脑。适合知识工作者、研究人员和学生管理和利用个人知识库。
Flamme知识库助手 是一款基于 Python 开发的开源工具，专注于 知识库、AI助手、LLM应用 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📖 中文文档
基于LLM-WIKI开发的开源个人知识库AI管家。提供智能知识整理、检索和问答能力，帮助用户建立个人数字大脑。适合知识工作者、研究人员和学生管理和利用个人知识库。
Flamme知识库助手 是一款基于 Python 开发的开源工具，专注于 知识库、AI助手、LLM应用 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：pip 安装（推荐）
pip install flamme
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install flamme
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/floraelysia729-oss/Flamme
cd Flamme
pip install -e .
# 验证安装
python -c "import flamme; print('安装成功')"
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 命令行使用
flamme --help
# 基本用法
flamme input_file -o output_file
# Python 代码中调用
import flamme
# 示例
result = flamme.process("input")
print(result)
# flamme 配置文件示例（config.yml） app: name: "flamme" debug: false log_level: "INFO" # 运行时指定配置文件 flamme --config config.yml # 或通过环境变量配置 export FLAMME_API_KEY="your-key" export FLAMME_OUTPUT_DIR="./output"
Flamme
LLM 驱动的 Obsidian 知识库插件 — 智能摄入、语义检索、知识图谱。
隐私设计：你的笔记文件始终留在本地 vault，从不上传。后端仅用你提供的 API Key 转发请求到 LLM 供应商，不存用户数据。
前置条件
- Python 3.10+
- Node.js 18+（仅插件开发时需要）
- API Keys：至少需要 Chat LLM 和 Embedding 各一个
安装依赖
pip install -e .
快速开始
1. 部署后端
```bash git clone https://github.com/floraelysia729-oss/Flamme.git cd Flamme
2. 安装 Obsidian 插件
将 plugin/ 目录中的 main.js、manifest.json、styles.css 复制到你的 vault：
your-vault/
└── .obsidian/
└── plugins/
└── flamme/
├── main.js
├── manifest.json
└── styles.css在 Obsidian 中启用插件：设置 → 社区插件 → 已安装插件 → 启用 Flamme。
生产模式（后台运行）
python -m uvicorn src.api.app:app --port 8765 ```
默认端口 8765，启动后访问 http://localhost:8765 验证服务是否正常。
使用
- 对话 — 打开 Flamme 侧边栏，直接提问。支持搜索（检索已有笔记）和学习（深度解释）两种模式
- 摄入 — 对话中提到 PDF/PPT/Word 文件时自动解析入库，提取实体和概念
- 知识图谱 — 可视化笔记间的关联，发现孤立页面和知识盲点
- 自动同步 — vault 文件变更自动同步到索引
配置环境变量
cp .env.example .env
编辑 .env，填入你的 API Key
启动服务：
3. 配置插件
打开 Flamme 设置页：
连接 - Backend URL — 本地部署填 http://localhost:8765，远程服务器填对应地址 - Vault Path — 你的 Obsidian vault 绝对路径（如 D:\notebook） - Test Connection — 验证连通
环境变量
编辑 .env 文件配置 API Key：
cp .env.example .envAPI 端点
| 端点 | 用途 |
|---|---|
POST /api/chat | SSE 流式对话 |
POST /api/documents/search | 语义搜索 |
POST /api/ingest/sync | 同步索引 |
GET /api/graph/full | 知识图谱 |
GET /api/status | 状态统计 |
CLI 工具
CLI 用于批量操作和自动化：
llm-wiki ingest "论文.pdf" --level pro # 摄入文档
llm-wiki sync --embed --graph # 同步索引+图谱
llm-wiki entity-build "pro/人工智能导论" # 实体提取
llm-wiki tag "pro/人工智能导论" # 自动标签
llm-wiki fix --lint # 健康检查插件开发
cd plugin && npm install && npm run dev ```
新兴开源知识���AI工具，基于成熟框架开发。创意不错但生态完成度待提升，适合探索者试用。
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 需要从图片、PDF 提取文字的文档自动化场景
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Python 依赖冲突：建议用 venv / uv 隔离环境
- CLI：直接 npm install -g / pip install，命令行调用
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 需要从图片、PDF 提取文字的文档自动化场景
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −未明确开源协议，商用场景需谨慎评估
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
该工具未明确声明开源协议，商业使用前请联系原作者确认授权范围，避免侵权风险。
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
❓ 常见问题 FAQ
总体来看，Flamme知识库助手 是一款质量良好的AI工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | Flamme |
| 原始描述 | 开源AI工具：基于LLM-WIKI开发的个人知识库AI管家。⭐6 · Python |
| Topics | 知识库AI助手LLM应用个人管理开源工具 |
| GitHub | https://github.com/floraelysia729-oss/Flamme |
| 语言 | Python |
收录时间：2026-05-22 · 更新时间：2026-05-30 · License：未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。