# Linkly AI

> Local Search Engine, Built for AI Agents.

## Blog Posts (zh)

- [v0.4.0 发布：与你数以万计的本地文档 chat](https://linkly.ai/blog/zh/v040-chat-with-local-files): Linkly AI v0.4.0 上线 Linkly AI Chat —— 不离开 Linkly，直接和你硬盘里上万份笔记、PDF、日记、项目记录对话。同时带来数据隐私面板、本地模型下载进度、应用内 Changelog、MDX 支持，以及日语 / 法语 / 西班牙语三种新语言。
- [1 万份文档的知识库，AI 能用它做什么？12 个真实场景实测](https://linkly.ai/blog/zh/12-real-tasks-on-10000-local-docs): 从整理履历到翻出签证材料，从创业复盘到在 24 万字电子书里查知识点——在自己的 1 万份本地文档上，用 AI 实际完成的 12 件事。
- [v0.3.0 发布：知识库管理，终于来了](https://linkly.ai/blog/zh/v030-library-management): Linkly AI v0.3.0 新增知识库管理功能，支持按项目、主题自由组织文件夹，搜索时一键切换知识库范围。同步升级 MCP 工具和 CLI，让 AI Agent 也能感知和利用你的知识库结构。
- [v0.2.2 发布：图片里的文字，现在也能搜到了](https://linkly.ai/blog/zh/v022-ocr-image-search): Linkly AI v0.2.2 新增本地 OCR 图片识别，自动提取 PNG、JPG、BMP、WEBP 图片中的文字并建立索引。截图、扫描件、白板照片——只要有字，就能搜到。
- [v0.2.0 发布：将本地知识库连接到公网 AI ](https://linkly.ai/blog/zh/v020-remote-tunnel-release): Linkly AI v0.2.0 新增远程隧道功能，让 ChatGPT、Claude.ai 等公网 AI 应用能够通过安全隧道访问你电脑上的本地知识库。文档始终在你的机器上，数据从不上云。
- [个人知识管理的三次进化：从文件夹到 AI 协作](https://linkly.ai/blog/zh/pkm-evolution-ai-second-brain): 印象笔记、Obsidian、Notion AI——个人知识管理工具经历了三次范式转变。但 3.0 时代真正的突破不是哪个工具更聪明，而是让 AI 能跨越所有工具的边界，在你完整的知识体系上工作。
- [为什么命令行可能是 AI Agent 最友好的交互界面？](https://linkly.ai/blog/zh/cli-best-interface-for-ai-agents): Claude Code、Codex CLI、Gemini CLI——顶级 AI 公司不约而同地选择了命令行。这不是复古，而是因为 CLI 在可组合性、可预测性、可审计性三个维度上天然适合 AI Agent。
- [研究者的 AI 工作流：如何让 AI 阅读 1000 篇论文？](https://linkly.ai/blog/zh/researcher-ai-workflow-managing-1000-papers): 你的 Zotero 里有 1000 篇文献，但每次写综述还是重新搜一遍 Google Scholar？这篇文章讲一个真实可用的工作流：让 Claude 在你的本地文献库里搜索、浏览、精读。
- [AI 时代，为什么我们认为本地优先越来越重要？](https://linkly.ai/blog/zh/privacy-first-local-ai-knowledge-base): AI 让数据的价值和风险都成倍放大。与此同时，本地算力、Agent 工具链、用户的数字化资产，正在从多个方向共同指向同一个结论：本地优先，不是退路，是趋势。
- [当 AI 可以连接本地文档后：你和 Claude 的对话会有什么不同？](https://linkly.ai/blog/zh/before-after-local-docs-transform-claude): Claude 很聪明，但它不知道你文件里写了什么。连接本地文档后，它能帮你做的事情会完全不同——这里有 4 个真实场景的对比。
- [我们为什么放弃了 RAG？RAG 的六大难题](https://linkly.ai/blog/zh/why-we-abandoned-rag): 我们花了几个月搭建了完整的 RAG 管线，技术上很漂亮，但最终不得不承认：它不够好。这是我们遇到的六个根本性问题，以及我们的解法。
- [不离开终端，让 AI 帮你翻遍整台电脑的文档](https://linkly.ai/blog/zh/ai-search-docs-without-leaving-terminal): 一个轻量级的 Rust CLI 工具，连接 Linkly AI 桌面应用，让你在终端中搜索、浏览和阅读本地文档。同时也是 AI Agent 接入 Linkly AI 的 MCP 桥梁。
- [一行命令，让 Claude Code 和 30+ AI 工具读懂你的本地文件](https://linkly.ai/blog/zh/one-command-ai-tools-read-local-files): 一个遵循 Agent Skills 开放标准的技能包，安装后 Claude Code、Codex CLI 等 30+ AI 平台可以直接搜索、浏览和阅读你本地的文档。
- [Outlines Index：一种渐进式披露大量文档给 AI Agent 的方法](https://linkly.ai/blog/zh/outlines-index-progressive-disclosure-for-ai-agents): 传统 RAG 把文档分割成 chunk喂给 AI，我们换了一种思路：为每个文档建立一份结构化大纲，让 AI 像研究员一样先看目录、再翻章节、最后精读段落。
- [Linkly AI ,让 AI Agent 能无摩擦的使用你电脑上的文档。](https://linkly.ai/blog/zh/Introducing-linkly-ai): 你的合同、报告、论文、方案都是 AI 的"暗物质"。传统 RAG 把文档嚼碎喂给 AI，效果不好。我们换了一种思路：让 AI 像研究员一样翻阅你的文件柜。