heimdall

纯 CPU 给 AI 装记忆，本地检索不烧显卡

Heimdall 是一个纯 CPU 运行的轻量级记忆检索方案，核心思路是用排序检索替代传统向量数据库的复杂索引。它面向 AI Agent、Claude Code 等场景，为开发者提供本地化的代码智能与知识库记忆能力。项目用 JavaScript 实现，无需 GPU，通过嵌入与排序算法在 CPU 上完成语义检索，降低 RAG 系统的部署门槛。它支持 CLI 与 MCP 接口，可作为 LLM 工具链中的记忆层，让 Agent 记住历史对话、代码片段或文档知识。相比重型向量库，Heimdall 强调简单有效，适合个人开发者、小团队在本地快速搭建可检索的长期记忆，避免依赖云服务或昂贵算力。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 108

维护状态活跃

是否开源是

定价模式 free

项目数据

分类搜索知识

开发团队ArihantDeva

所属国家

官网地址

GitHubhttps://github.com/ArihantDeva/heimdall

定价模式free

价格说明npm开源包，免费使用

访问状态

是否开源是

开源协议MIT

主要语言JavaScript

技术栈/模型ai-agents,claude-code,cli,code-intelligence,developer-tools,embeddings,knowledge-base,llm-tools,mcp,memory,rag,semantic-search

GitHub 星标★ 108

30天Star增速

HF 下载量

上线时间2026-08-20 00:00:00

最近更新2026-09-17 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-18

浏览次数2

使用教程

核心亮点

纯 CPU 运行，无需 GPU 或云服务，部署成本极低
用排序检索替代重型向量索引，实现简单、依赖少
提供 CLI 与 MCP 接口，能直接接入 Claude Code 等 Agent 工具链

不足之处

项目处于早期，星标仅 108，生态与文档尚不完善
纯 CPU 方案在超大规模数据下检索性能可能受限

适用场景

本地给 AI 编程助手加长期记忆，记住项目上下文
个人知识库语义检索，不依赖云向量数据库
小团队低成本搭建 RAG 记忆层，快速验证想法

替代项目

chroma、qdrant、lancedb

项目介绍

heimdall 是一个搜索知识领域的开源项目，官方简介：A lightweight CPU only memory approach with ranked retrieval. Simple, yet effective.。项目使用 JavaScript 开发，在 GitHub 上获得 108 星标。

上一篇：DataMind

下一篇：rag.computer