Reor：把你的知识变成 AI 可理解的「第二大脑」

你有没有过这种感觉——明明收藏了一大堆文章、笔记、PDF，塞满了书签栏和文件夹，但真正想找点什么的时候，翻半天找不到？

不是你的问题。是工具的问题。

今天想跟你安利一个开源工具，叫 Reor，定位是「私人的、本地运行的 AI 个人知识管理应用」。听名字你可能不认识，但它解决的那个痛点，你一定懂。

背景：知识管理为什么这么难？

我们每天都在「产生」知识——公众号文章、Newsletter、技术文档、读书笔记、播客内容……但这些东西散落在各个平台：Notion、Obsidian、Readwise、Pocket、微信收藏……

问题不是没有工具，而是工具之间不连通。

你用 Notion 写笔记，用 Readwise 收藏文章，用 Obsidian 做卡片笔记，但它们之间没有桥梁。AI 助手也读不懂你的知识库，因为它们根本没接入这些数据。

Reor 想解决的问题是：把你所有的本地文本知识统一起来，让 AI 能够真正理解、检索和推理这些内容。

Reor 能做什么？

简单说，Reor 是一个本地知识库 + AI 问答的组合工具。

1. 统一管理本地文档

Reor 支持直接读取本地 Markdown 文件、PDF、txt。你只需要指定一个文件夹，它会自动索引里面的所有文本内容。不需要迁移、不需要导入，你的文件就在原地。

2. AI 语义检索

传统的搜索是关键词匹配。你搜「机器学习」，只有关键词出现才能被找到。

Reor 内置了向量检索（基于 embeddings），你搜「机器学习入门该看什么」，即使文档里没写「入门」两个字，AI 也能找到语义相关的内容。

3. 基于上下文的 AI 对话

这是我觉得最 killer 的功能。你选中某篇笔记，或者直接问一个问题，Reor 会从你的知识库里找出相关段落，作为上下文喂给大模型。

换句话说：你可以用自己的笔记来「考」AI，问它「我之前读的那篇关于 RAG 的文章核心观点是什么」。

4. 自动生成卡片笔记

读文章的时候，Reor 可以帮你自动摘录重点、生成闪卡（flashcards），方便后续复习。这是把 Zettelkasten 卡片盒方法和 AI 结合起来了。

5. 完全本地运行，数据隐私

Reor 支持 Ollama，可以完全在本地运行 LLM。所有数据都在你自己的机器上，不经过任何第三方服务器。

为什么值得试试？

市面上知识管理工具很多，Notion、Obsidian、Logseq 都不错。但它们在「AI 友好」这件事上，都还差点意思。

Reor 的核心优势是：

• 天然支持本地：不需要订阅、不需要网络，直接跑在你电脑上
• AI 驱动的检索：语义搜索 + 上下文对话，不是简单的关键词匹配
• 开发者友好：开源的，数据结构透明，可以自己扩展
• 上手成本低：不需要复杂配置，指个文件夹就能用

快速上手（Docker）

Reor 提供 Docker 镜像，零配置启动：

docker run -d \
  --name reor \
  -p 3000:3000 \
  -v ~/reor-data:/root/.local/share/reor \
  reorproject/reor:latest

启动后打开 http://localhost:3000，首次设置时指定你的知识库文件夹路径即可。

如果你想用本地 Ollama 来跑 AI 模型（推荐，隐私性更强）：

# 先确保 Ollama 在运行
ollama serve

# 然后在 Reor 设置里连接本地模型

详细配置文档可以看 Reor 官方文档。

适合谁？

• 知识工作者：读书笔记、研究资料积累较多，想让 AI 帮助提炼和检索
• 开发者：有自己的 markdown 笔记体系，想在不迁移数据的前提下接入 AI
• 隐私敏感的人：不想把私人笔记上传到任何云服务
• AI 极客：喜欢折腾本地模型，让 AI 更懂你的上下文

链接

• GitHub：https://github.com/reorproject/reor
• 官网：https://reorproject.github.io/
• 文档：https://reorproject.github.io/reor-docs/

如果你用过 Readwise Reader 或者 supermemo，对这种「AI + 本地知识库」的玩法应该不陌生。Reor 的区别在于它是完全本地优先，而且直接跑在你的文件系统上，不需要额外的同步服务。

用一个词形容它：把 AI 变成你知识库的「读者」，而不是另一个孤独的工具。