Lore 从您的项目内容构建持久 LLM 知识库——编译 Markdown 百科，而非向量嵌入。

将原始文件、URL 和转录内容转化为由 LLM 图书管理员组织的可导航百科。一次摄入，编译后，您的知识在多次会话中保持可用，没有 RAG 的检索噪音。

专为需要 LLM 在跨会话中保留真实架构上下文的团队打造。

功能特性

• 编译 Markdown 百科，而非向量嵌入 — 结构化、人类可读、Git 友好。无不透明向量或检索噪音。
• LLM 驱动的图书管理员 — LLM 像全职研究图书管理员一样，主动组织和交叉链接您的知识。
• 反向链接 + FTS5/BM25 搜索 — 快速精准检索，无需向量相似度噪音。通过链接直达相关概念。
• 代码驱动的工作流 — 确定性代码处理摄入、编译、索引和图构建。Token 用于知识组织，而非基础设施。
• 混合来源摄入 — 文档、代码笔记、URL、聊天记录、媒体文件。Lore 将其统一为一致的知识结构。
• 多格式导出 — 幻灯片、PDF、DOCX、HTML、Canvas、GraphML。您的知识不受专有格式限制。
• 智能体就绪的 MCP 服务器 — 13 个工具通过 stdio 提供检索、图谱诊断和维护。兼容任何 MCP 主机。
• Git 友好且可移植 — 您的百科就是纯 Markdown 文件。提交、分支、随项目发布。

快速开始

# 1) 安装
npm install -g @telepat/lore

# 2) 在项目内创建 Lore 仓库
lore init

# 3) 添加素材
lore ingest ./README.md
lore ingest https://example.com/article

# 4) 编译为百科页面
lore compile

# 5) 搜索和提问
lore search "architecture"
lore query "How does this system work?"

环境要求

• Node.js 22+
• 可选：yt-dlp，用于视频字幕提取
  • macOS：brew install yt-dlp

工作原理

Lore 将内容提取到 .lore/raw/，编译为 .lore/wiki/articles/ 中的链接百科文章，然后构建搜索索引和反向链接图。查询和搜索通过图和 FTS 索引解析。导出功能可将百科内容打包为 slides、PDF、docx、web、canvas 或 graphml 格式。

与 AI Agent 一起使用

Lore 内置一流的 MCP 服务器，供智能体集成：

• MCP 服务器 — 运行 lore mcp 启动 stdio MCP 服务器，提供 13 个工具：
  • 检索： search、ask、list_articles、get_article、get_neighbors、path
  • 图诊断： graph_stats、lint_summary、list_orphans、list_gaps、list_ambiguous
  • 提取/维护： check_duplicate、list_raw_tags、rebuild_index
• 兼容主机 — 支持 Claude Code、Cursor、VS Code Copilot 及任何 stdio MCP 客户端。
• 推荐智能体循环： list_orphans → list_gaps → list_ambiguous → 编辑/编译 → rebuild_index(repair=true)。
• Agent 文档 — MCP 服务器指南 涵盖工具模式、示例调用和故障排查。

安全与信任

• 密钥在 OS 安全存储可用时保存（macOS Keychain、Linux/Windows 平台等效工具）。
• 如果安全存储不可用或显式禁用（LORE_DISABLE_KEYTAR=true），写入会失败并提示使用环境变量。
• Lore 不会以明文回退文件持久化密钥。

运行时环境变量（最高优先级）：

• OPENROUTER_API_KEY
• REPLICATE_API_TOKEN
• LORE_CF_ACCOUNT_ID、LORE_CF_TOKEN
• LORE_DISABLE_KEYTAR

文档与支持

• 文档站点
• 快速上手
• 内容提取
• 编译百科
• MCP 服务器
• 故障排查
• CLI 参考
• 仓库
• npm 包

贡献

欢迎贡献。请参阅开发指南了解环境搭建、工作流和质量门禁。

许可证

MIT。详见 LICENSE。