NanoSage 是搜索知识领域的开源项目，由 masterFoad 开发，2025 年首次发布。
它收录于搜索知识分类，该分类目前共有 585 个项目，GitHub 星标数为 266。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-08-29。Apache-2.0许可证，本地部署，完全免费。
它主要面向的使用场景是：学术研究时快速梳理文献关联。同类可对比的替代方案包括 Khoj、Perplexica、LocalGPT。
NanoSage
本地 LLM 驱动，递归搜索+知识图谱，快速吃透复杂主题
NanoSage 是一个本地优先的智能搜索与知识探索工具，利用本地大语言模型（LLM）实现递归搜索和智能知识整理。它解决的是传统搜索引擎返回大量无关结果、用户难以快速定位和整合信息的问题。核心能力包括：通过递归搜索自动深入挖掘相关链接，结合本地 LLM 对内容进行摘要、提炼和关联，构建结构化的知识图谱，帮助用户高效探索复杂主题。项目完全本地运行，保护隐私，无需云端 API，适合对数据敏感或希望离线使用的用户。其技术栈基于 Python，设计轻量，易于扩展和集成。
开源
free
搜索知识
GitHub 星标
★ 266
维护状态
较活跃
是否开源
是
定价模式
free
项目数据
分类搜索知识
开发团队masterFoad
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可证，本地部署，完全免费。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型ai-researcher,algorithms,cli,gemma,knowledge-base,local,monte-carlo-search,nanosage,ollama,python3,rag,recursive-search,report,small-language-models
GitHub 星标★ 266
30天Star增速
HF 下载量
上线时间2025-02-09 00:00:00
最近更新2026-08-29 00:00:00
维护状态较活跃
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0
使用教程
核心亮点
- 递归搜索自动深挖相关链接，减少手动跳转
- 本地 LLM 处理，隐私安全且无需联网
- 生成结构化知识图谱，便于关联理解
不足之处
- 早期项目，功能完善度和稳定性待验证
- 依赖本地 LLM 性能，低配设备可能响应慢
适用场景
- 学术研究时快速梳理文献关联
- 技术调研时自动挖掘相关资源
- 隐私敏感场景下离线搜索与知识整理
替代项目
Khoj、Perplexica、LocalGPT
项目介绍
同类项目推荐
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
ragflow
开源
让大模型用上你的私有知识，搭建可靠的企业级RAG应用
RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···