SAG-Wiki：不调 LLM 建索引的本地知识库，检索不用 RAG

昨天我们写了 LEANN——把 RAG 索引从 201GB 压到 6GB；今天微信公众号《RAG这次真死了！》推荐的 SAG-Wiki（Zleap-AI 开源，MIT，Rust + Tauri + Svelte 5，2026-10-18 建库，截至 2026-11-06 有 103 星）走得更远：索引与检索完全不用 LLM 调用、不用 embedding。它是一个 14MB 的桌面应用（macOS/Windows），把本地文件夹变成可搜索知识库——百万字符约 200ms 建索引，检索用自研 SAG2 证据打分，答案可溯源到原文位置，还有现成的 Agent Skill 与 CLI 给编码 Agent 接入。

核心功能

• 零 LLM 索引：建索引不调任何模型、不生成 embedding，本地文件监视增量更新。
• SAG2 证据检索：自研检索法（有 arXiv 论文 2610.22588 与开源基准仓库 SAG-Benchmark），按证据打分跨文件找支持段落；语义级检索需配置一个 Jev 服务。
• 带引用的问答：配置回答模型后可跨文件提问，答案附原文位置，点开即查证。
• 桌面全家桶：Markdown 阅读编辑、HTML 预览、相关文档探索、全局快捷键快速搜索、终端搜索；PDF/Office/EPUB 开箱转换，图像识别与音视频转写为可选组件。
• Agent 就绪：CLI 加现成 SKILL.md，编码 Agent 可直接共用同一知识库。

典型使用场景

• 个人文档中枢：笔记、文档、代码一个文件夹全搜，引用可溯源。
• 给编码 Agent 配记忆：项目知识库通过 Skill 共享给 Agent，检索不需要消耗 LLM 配额。
• 隐私优先检索：基础索引与搜索零 API key，纯本地完成。

快速上手

从 GitHub Releases 下载桌面版（macOS/Windows，14MB，未做 Apple 公证，首次启动会有安全提示）；把文件夹拖进去即可建索引。给 Agent 用则安装其 SKILL.md。语义级 SAG2 检索与带引用问答需配置 Jev 服务与 API key——纯关键字检索则完全免费本地。macOS 版未做 Apple 公证，首次启动会弹安全提示。

小结

SAG-Wiki 适合想要「秒级索引、引用可溯源、基础功能零成本」本地知识库的个人与 Agent 重度用户；要语义理解的深度问答就需要配 Jev 服务，而对比 LLM Wiki（Karpathy 提出的模式）它牺牲了自动生成与互链。要点与边界：MIT、Rust/Tauri、10-18 才建库（★103），star 还小、迭代早期；SAG2 的「优于 RAG/GraphRAG」结论以自家基准为准，跨方案验证待社区。它与昨日写过的 LEANN 是同一问题的两个答案：LEANN 把向量存下来改为现算，SAG-Wiki 干脆不走向量——都指向同一个判断：本地 RAG 的瓶颈不是模型，是索引工程。