LARS

本地跑大模型,读你的文档,回答带引用

LARS 是一个本地运行的 LLM 应用,旨在让你在自己的设备上使用大语言模型处理个人文档,并生成带有详细引用的回答。它解决了在本地环境中安全、私密地使用 AI 处理文档的需求,无需将数据上传到云端。核心能力包括:本地模型运行、文档索引与检索、基于检索增强生成(RAG)的回答生成,以及自动引用来源。用户可以通过它查询自己的 PDF、笔记等文档,并获得可追溯的答案。项目基于 Python 构建,处于早期阶段,但提供了完整的本地 AI 文档问答流程。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 634
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类搜索知识
开发团队abgulati
所属国家
官网地址
定价模式free
价格说明开源项目,AGPL-3.0许可,本地部署,完全免费。
访问状态
是否开源是
开源协议AGPL-3.0
主要语言Python
技术栈/模型genai,llms,rag
GitHub 星标★ 634
30天Star增速
HF 下载量
上线时间2024-06-05 00:00:00
最近更新2026-09-15 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • 完全本地运行,保护隐私,无需联网上传文档
  • 回答自动附带引用来源,便于验证和追溯
  • 支持自定义文档库,灵活适配个人知识管理

不足之处

  • 早期项目,功能完整性和稳定性待观察
  • 文档/社区待观察

适用场景

  • 个人知识库查询,快速定位文档中的关键信息
  • 离线环境下的文档问答,如内网或无网络区域
  • 隐私敏感场景,如医疗、法律等行业的本地文档分析

替代项目

LocalGPT、PrivateGPT、AnythingLLM

项目介绍

LARS 是基础设施领域的开源项目,由 abgulati 开发,2024 年首次发布。

它收录于基础设施分类,该分类目前共有 1,130 个项目,GitHub 星标数为 634。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-15。AGPL-3.0许可,本地部署,完全免费。

它主要面向的使用场景是:个人知识库查询,快速定位文档中的关键信息。同类可对比的替代方案包括 LocalGPT、PrivateGPT、AnythingLLM。

上一篇:Nubase

下一篇:skald

同类项目推荐

freebuff-proxy 开源

聚合多账号,一键接入 OpenAI 兼容 API,轻松管理会话。

Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···

★ 213 2026-08-20
microduck 开源

用 Rust 造一只会走路的桌面小鸭,快速上手双足机器人。

A Tiny biped duck robot

★ 8684 2026-09-10
soperator 开源

用 Kubernetes 原生方式运行 Slurm,简化 HPC 集群管理。

Run Slurm in Kubernetes

★ 439 2026-08-10
ollama 开源

一条命令本地跑起大模型,免费、私密、不卡顿

Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···

★ 181484 2026-08-09