项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 1950
使用教程
环境要求
- Python 3.11 或更高版本
- git 与 pip 可用的命令行环境
- 本地磁盘可写目录(示例使用 ~/wikis)
- 如需完整测试:需源码检出(pip wheel 不含 tests),并会安装 pytest、respx 等 dev 依赖
- 仅浏览官方演示 Wiki 时无需 LLM API Key
安装与启动步骤
-
1克隆仓库
从 GitHub 拉取 synthadoc 源码,并进入项目目录,后续命令都在此目录执行。
git clone https://github.com/axoviq-ai/synthadoc.git cd synthadoc -
2安装依赖
以可编辑模式安装项目,[dev] 额外安装 pytest、respx 等测试依赖,测试必须用源码安装。
pip install -e ".[dev]" -
3运行测试套件
跳过性能基准跑完整测试,预期全部通过、0 失败;基准测试为可选项。
pytest --ignore=tests/performance/ -q -
4浏览可用模板
列出 9 大类共 30 个领域模板,挑选最接近自己领域的模板再安装。
synthadoc templates list -
5安装一个 Wiki
按模板安装(示例为市场研究模板);也可换用 --domain 描述,或无参数安装演示。
synthadoc install my-market-wiki --target ~/wikis --template research/market-research -
6设为默认 Wiki
把刚安装的 Wiki 设为默认,之后命令无需再带 -w 参数指定。
synthadoc use my-market-wiki -
7安装演示 Wiki
History of Computing 演示含 13 个预建页面与原始素材,无需调用 LLM。
synthadoc install history-of-computing --target ~/wikis --demo -
8启动服务
配置好 API Key 环境变量后运行 serve 启动引擎;演示 Wiki 无需任何配置。
synthadoc serve
如何确认成功
运行 synthadoc status -w my-wiki 查看是否有 pre-flight 警告;无警告即安装配置正常。
常见问题
Q:测试为什么必须在源码目录跑?
A:README 说明 pytest、respx 等测试依赖只在 [dev] 附加项中,且 tests 目录不包含在 pip wheel 里,必须用 git clone 的源码检出运行。
Q:不配置 LLM API Key 能用吗?
A:可以。官方 History of Computing 演示自带预建页面和设置,浏览时无需 API Key;其余场景需设置 API Key 环境变量并运行 synthadoc serve。
Q:没有合适的模板怎么办?
A:可以安装时不带 --template,改用 --domain "你的领域描述",由 LLM 自动生成脚手架。
Q:如何卸载一个 Wiki?
A:执行 synthadoc uninstall my-wiki,需要两步确认,没有 --yes 之类的跳过参数。
注意事项
- scaffold 操作不会修改 wiki 中的 config.toml 和 dashboard.md,可放心重跑。
- Wiki 安装默认端口自动分配以避免冲突,无需手动指定端口。
- 可定期刷新:synthadoc schedule add --op "scaffold" --cron "0 4 * * 0" -w my-wiki 表示每周日 4 点执行。
- 当前为 Community Edition v1.3.3,项目仍处早期阶段,配置细节请参考 docs 下的 Quick-Start Guide 与 design.md。
核心亮点
- 输出人类可读的 Markdown 和知识图谱,便于审查和修正
- 支持本地 LLM,数据不出域,隐私性强
- 无需额外工具链,CLI 即可完成知识库构建与迭代
不足之处
- 项目早期,文档和社区生态待观察
- 对超大文档或复杂格式的处理效率未经验证
适用场景
- 企业内网知识库搭建与维护
- 个人笔记系统升级为结构化 Wiki
- 离线环境下的文档智能整理
替代项目
RAGFlow、Danswer、Quivr
同类项目推荐
fess
开源
自建一个搜索,公司文档网页全都能翻
Open-source, self-hosted enterprise & site search server built on OpenSearch. Crawls···
RAG_LearnLittleCode
开源
把零散笔记变成能问答、能推理、能联网的私人知识助手
基于 RAG 的 AI 智能笔记助手「云尚」:FastAPI + LangGraph + ChromaDB + Redis 构建。Re···
tw-legal-rag
开源
输入法律问题,一键检索台湾判例并打包给AI分析。
台灣法律 MCP 伺服器 + CLI(免費、免金鑰,連接時登入法律偵探帳號):2,277 萬筆裁判書、···
talk2arxiv
开源
上传论文,直接和 ChatGPT 聊内容,快速吃透要点
Talk to any ArXiv paper using ChatGPT
pdfdeal
开源
PDF 秒变高质文本,RAG 召回率翻倍
A python wrapper for the Doc2X API and comes with native texts processing (to improv···
arona
开源
给文档站加一个能听懂人话的 AI 搜索
Elysia AI doc search
ApeRAG
开源
把知识图谱塞进 RAG,多跳问答和复杂检索一次搞定
ApeRAG: Production-ready GraphRAG with multi-modal indexing, AI agents, MCP support,···
farfalle
开源
自建私有 AI 搜索,接入任意大模型,告别广告和隐私焦虑。
AI search engine - self-host with local or cloud LLMs
llm-applications
开源
照着学,快速搭出能上生产的 RAG 应用
A comprehensive guide to building RAG-based LLM applications for production.
