Khoj开源项目详解：AI个人知识库与第二大脑部署教程
一、项目概述
Khoj 是一款开源的个人 AI 助手，定位为"你的 AI 第二大脑"。它可以帮助你管理个人知识、搜索文档、创建 AI Agent、自动化研究任务等。Khoj 支持接入多种在线和离线的大语言模型（GPT、Claude、Gemini、Llama 等），所有数据默认本地存储，强调隐私保护。
Khoj 的设计理念是"让 AI 成为真正的个人助理"。它可以从你已有的笔记、文档、PDF、网页等资料中学习，然后通过自然语言对话的方式帮助你获取信息、完成任务。不同于 ChatGPT 的通用对话，Khoj 更专注于"你的"知识，能够结合个人上下文给出更有价值的回答。
- GitHub 地址：https://github.com/khoj-ai/khoj
- 官方网站：https://khoj.dev
- 开源协议：MPL-2.0
- 开发语言：Python（FastAPI）+ TypeScript
- 核心定位：个人 AI 第二大脑，支持本地部署的知识管理助手
1.1 核心特性
| 特性 | 说明 |
|---|---|
| 多模型支持 | GPT-4、Claude、Llama、Gemma 等 |
| 多数据源 | PDF、Markdown、Word、Notion、GitHub |
| 多端访问 | Web、Obsidian、Emacs、桌面应用、WhatsApp |
| 语义搜索 | 基于向量的智能语义检索 |
| Agent 创建 | 自定义知识、角色的 AI Agent |
| 自动化 | 定时任务、Newsletter、提醒通知 |
| 离线支持 | 可完全本地运行 |
| API 开放 | 提供 REST API |
1.2 与同类产品对比
| 特性 | Khoj | Notion AI | ChatGPT | Obsidian |
|---|---|---|---|---|
| 知识来源 | 本地+在线 | 在线 | 在线 | 本地 |
| 隐私控制 | 完全本地 | 云服务 | 云服务 | 本地 |
| 搜索能力 | 语义搜索 | 关键词 | 语义 | 关键词 |
| 文档理解 | 支持 | 支持 | 支持 | 需插件 |
| 自动化 | Agent+定时 | 有限 | API | 需插件 |
| 开源 | ✅ | ❌ | ❌ | 部分 |
二、系统要求
| 项目 | 最低要求 | 推荐配置 |
|---|---|---|
| CPU | 2 核 | 4 核+ |
| 内存 | 4 GB | 8 GB+ |
| 磁盘 | 10 GB | 50 GB+ |
| 系统 | Ubuntu 20.04+ | Ubuntu 22.04+ |
三、Docker 部署（推荐）
3.1 一键启动
docker run -d \
--name khoj \
-p 8000:8000 \
-v khoj_data:/data \
-e OPENAI_API_KEY=sk-xxxxx \
--restart unless-stopped \
khojinai/khoj:latest
3.2 Docker Compose 部署
version: "3.8"
services:
khoj:
image: khojinai/khoj:latest
container_name: khoj
restart: unless-stopped
ports:
- "8000:8000"
volumes:
- ./data:/data
environment:
- OPENAI_API_KEY=sk-xxxxx
# 可选：使用本地 Ollama
# OLLAMA_HOST=http://localhost:11434
environment_file:
- .env
3.3 .env 配置示例
# OpenAI 配置
OPENAI_API_KEY=sk-xxxxx
# 使用本地 Ollama（可选）
OLLAMA_HOST=http://localhost:11434
OLLAMA_MODEL=llama3.2
# Anthropic 配置（可选）
ANTHROPIC_API_KEY=sk-ant-xxxxx
# 数据库配置
DATABASE_URL=sqlite:///data/khoj.db
# 安全配置
SECRET_KEY=your-secret-key-here
3.4 访问 Khoj
启动后，访问 http://your-server-ip:8000 或 http://localhost:8000。
四、本地安装
4.1 使用 pip 安装
# 创建虚拟环境
python -m venv khoj-env
source khoj-env/bin/activate
# 安装 Khoj
pip install khoj
# 初始化配置
khoj --init
4.2 启动服务
# 启动 Khoj
khoj
# 或使用 uvicorn
uvicorn khoj.main:app --host 0.0.0.0 --port 8000
4.3 使用 Nix
nix-shell -p khoj
khoj
五、配置与使用
5.1 添加数据源
- 进入 Khoj Web 界面
- 点击 Settings → Data Sources
- 添加数据源：
- 文件上传：直接上传 PDF、Markdown 等
- 本地文件夹：指定要索引的文件夹
- GitHub：连接 GitHub 仓库
- Notion：连接 Notion 工作区
5.2 支持的文档格式
| 格式 | 说明 |
|---|---|
| 学术论文、报告 | |
| Markdown | 笔记、文档 |
| Plain Text | 纯文本 |
| Word (.docx) | Office 文档 |
| Org-mode | Emacs 笔记 |
| Notion | 在线笔记 |
5.3 搜索功能
使用自然语言搜索你的知识库：
"我之前保存的关于 Python 虚拟环境的笔记"
"去年写的项目总结"
"关于 machine learning 的所有文档"
5.4 对话功能
问：基于我上传的论文，总结一下 Transformer 的核心思想
问：根据我的笔记，解释一下 RAG 是什么
问：帮我比较一下 FastAPI 和 Flask 的优缺点
六、Agent 创建
6.1 创建自定义 Agent
- 进入 Agents → Create Agent
- 配置 Agent：
- 名称：给你的 Agent 起名
- 角色：设定 Agent 的职责
- 知识库：关联相关文档
- 模型：选择使用的 LLM
6.2 Agent 示例
研究助手 Agent：
name: research-assistant
persona: "你是一个专业的研究助手，擅长阅读论文和总结要点"
model: claude-3-sonnet
knowledge_sources:
- papers/
tools:
- web_search
- document_search
代码审查 Agent：
name: code-reviewer
persona: "你是一个资深的代码审查员，关注代码质量和最佳实践"
model: gpt-4
knowledge_sources:
- codebase/
tools:
- github
- file_search
6.3 Agent 自动化
配置定时任务：
schedule: "0 9 * * *" # 每天早上9点
action: "总结今日新闻并发给我"
七、Obsidian 集成
7.1 安装 Obsidian 插件
- 在 Obsidian 中打开 Settings → Community Plugins
- 搜索 Khoj
- 安装并启用插件
7.2 配置连接
- 在 Obsidian 中打开 Khoj 插件设置
- 输入 Khoj 服务器地址：
http://localhost:8000 - 获取并输入 API Key
7.3 使用方式
在 Obsidian 中使用 Khoj：
/khoj search <query>
/khoj chat <question>
八、API 使用
8.1 获取 API Key
- 进入 Khoj Settings → API
- 创建新的 API Key
- 复制保存
8.2 搜索 API
curl -X GET "http://localhost:8000/api/search?q=your+query" \
-H "Authorization: Bearer YOUR-API-KEY"
8.3 对话 API
curl -X POST "http://localhost:8000/api/chat" \
-H "Authorization: Bearer YOUR-API-KEY" \
-H "Content-Type: application/json" \
-d '{
"q": "What is RAG?",
"model": "gpt-4"
}'
8.4 Python SDK
from khoj import Khoj
client = Khoj(api_key="your-api-key")
# 搜索
results = client.search("machine learning notes")
# 对话
response = client.chat("Explain RAG in simple terms")
九、离线模式
9.1 使用 Ollama 本地模型
# .env 配置
OLLAMA_HOST=http://localhost:11434
OLLAMA_MODEL=llama3.2
# 不使用任何在线 API
9.2 完全离线部署
# 1. 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh
# 2. 下载模型
ollama pull llama3.2
# 3. 启动 Ollama
ollama serve
# 4. 启动 Khoj（不配置任何在线 API）
docker run -d \
--name khoj \
-p 8000:8000 \
-v khoj_data:/data \
-e OLLAMA_HOST=http://localhost:11434 \
-e OLLAMA_MODEL=llama3.2 \
khojinai/khoj:latest
十、常见问题与解决方案
10.1 文档索引失败
解决方案：
- 检查文件格式是否支持
- 确认文件编码（推荐 UTF-8）
- 检查文件是否损坏
- 查看日志获取详细信息
10.2 模型连接失败
解决方案：
- 确认 API Key 正确
- 检查网络连接
- 验证 API 额度
- 尝试使用本地 Ollama
10.3 搜索结果不准确
解决方案：
- 上传更多相关文档
- 优化文档结构
- 使用更精确的查询语句
- 调整 Top K 参数
10.4 性能问题
解决方案：
- 增加服务器内存
- 使用 SSD 存储
- 减少同时索引的文档数量
- 启用向量化缓存
十一、安全与隐私
11.1 数据存储
- 所有文档默认存储在本地
- 向量数据库本地存储
- 可以完全离线运行
11.2 安全建议
| 建议 | 说明 |
|---|---|
| HTTPS | 生产环境配置 HTTPS |
| API Key | 妥善保管 API Key |
| 访问控制 | 配置反向代理认证 |
| 定期更新 | 及时更新版本 |
十二、社区与生态
| 资源 | 地址 |
|---|---|
| GitHub | https://github.com/khoj-ai/khoj |
| 官网 | https://khoj.dev |
| 文档 | https://docs.khoj.dev |
| Discord | https://discord.gg/BDgyabRM6e |
| 云服务 | https://app.khoj.dev |
十三、总结
Khoj 是一款极具创新性的开源 AI 工具，它通过将大语言模型与个人知识库相结合，真正实现了"AI 第二大脑"的概念。与通用的 AI 助手不同，Khoj 真正理解"你的"知识，能够基于个人文档和上下文给出更有价值的回答。
它的核心优势在于：
- 隐私优先：数据完全本地存储，可完全离线运行
- 多模型支持：支持 GPT、Claude、Llama 等各种模型
- 多数据源：支持 PDF、Markdown、Word、Notion 等格式
- 多端访问：Web、Obsidian、Emacs、WhatsApp 都可以使用
- Agent 自动化：创建自定义 Agent 实现自动化任务
对于希望构建个人知识管理系统、实现文档智能问答、打造专属 AI 助手的用户来说，Khoj 是一个非常值得尝试的选择。
立即体验：访问 https://khoj.dev 了解更多，或执行
docker run -d -p 8000:8000 -v khoj_data:/data khojinai/khoj:latest一键部署。