Linkly AI 工作流程

在上一篇文章中，我们介绍了 Linkly AI 是什么以及它能做什么。今天，我们想和大家聊聊背后的技术原理：Linkly AI 是如何做到"本地优先"的？

这篇文章面向所有对隐私和数据安全感兴趣的用户，我们会尽量用通俗的语言来解释技术细节。

#你的文档是如何变成"知识"的？

当你把一个文件夹添加到 Linkly AI 的知识库后，应用会在后台默默完成四件事。

扫描： Linkly AI 会持续监控你指定的文件夹。新增的文件会被自动发现，修改过的文件会被重新处理，删除的文件也会从索引中移除。这一切都在后台静默完成，你无需手动干预。
解析：不同格式的文档就像不同语言的书籍。Linkly AI 需要把 PDF、Word、Markdown 等各种格式"翻译"成统一的文本格式，并解析出文档的结构元数据，比如标题层级、页码信息等。
切分：一篇很长的文档不能直接整个塞给 AI，会占满模型的上下文窗口，也会分散模型的注意力。Linkly AI 会把文档智能地按照语义切成片段，每个片段保持相对完整的意义单元。
索引：Linkly AI 会把每个文本片段连同它的元数据（比如来源文件、页码等）一起存储到本地数据库。这就像建立了一个"索引"，可以快速定位到任何你需要的信息。

一篇很长的文档不能直接整个塞给 AI，会占满模型的上下文窗口，也会分散模型的注意力。Linkly AI 会把文档智能地按照语义切成片段，每个片段保持相对完整的意义单元。

第四步：索引

这是最神奇的一步。AI 模型会把每段文字转换成一串数字（专业术语叫"向量"），就像给每段文字在一个巨大的"意义空间"里标注坐标。意思相近的文字，它们的坐标也会很接近。

完成这四个步骤后，当你向 AI 提问时，Linkly AI 就能快速检索到意思最相关的那些段落，并附上来源引用。

#数据存在哪里？

答案是：全部在你自己的电脑上。

Linkly AI 使用本地数据库存储所有信息：文档的元数据、切分后的文本块、以及每个文本块的向量表示。没有任何数据会被自动上传到云端。这意味着，即使你断开网络，知识库依然可以正常工作（前提是你使用本地 AI 模型进行检索和嵌入）。

这是一个很好的问题。Claude.ai、ChatGPT.com 这些在线 AI 服务运行在云端，它们没办法直接"看到"你电脑里的文件。但很多时候，我们确实需要在这些功能更强大的在线 AI 中使用本地知识。Linkly AI 通过一个创新的"远程连接器"解决了这个问题。

想象这样一个场景：你在 Claude.ai 上提问，Claude 发现需要查询你的知识库。整个流程是这样的：

这个过程通常在一两秒内无感完成。

关键点在于：发送给在线 AI 的只是检索片段，而不是你的完整文档。

打个比方：就像你请秘书帮你查资料，秘书只会把与问题相关的几段摘录发给专家，而不是把整个档案室搬过去。具体来说：

如果你对安全有更高要求，Linkly AI 提供了几种方案：

在我们开发 Linkly AI 的初衷这篇文章中，我们提到过：市面上大多数 AI 知识库产品都需要把数据上传到云端，这让很多注重隐私的用户望而却步。

我们选择"本地优先"的设计理念，是因为我们相信：

你的知识属于你自己。无论是工作文档、学习笔记，还是个人日记，这些都是你花时间积累的知识资产。它们应该存储在你能完全掌控的地方。

隐私不应该是奢侈品。保护个人数据不应该需要付出高昂的代价或复杂的操作。本地存储是最简单、最可靠的隐私保护方式。

灵活性很重要。有些场景需要完全离线，有些场景需要远程访问。本地优先的架构让你可以根据实际需求灵活选择。

Linkly AI 的本地优先设计确保了：

如果你还没有尝试过 Linkly AI，欢迎访问 linkly.ai 下载体验。有任何问题，也欢迎查阅我们的文档或在社区中交流。