百宝箱

Khoj（發音類似「Khoj」，意為「發現」或「探索」）是一款 開源、自託管（self-hostable）的 AI 第二大腦（Second Brain）與研究副駕駛（Research Copilot），被許多極客（geek）、開發者、研究者與隱私愛好者視為 首選的開源深度 RAG 引擎。它從 2021 年開始開發，2026 年已相當成熟，能讓你用自然語言查詢自己的筆記、文件、程式碼庫，並結合網路進行深度研究，完全控制資料隱私。

官方網站：https://khoj.dev/
GitHub：https://github.com/khoj-ai/khoj （活躍開源專案）
雲端試用：https://app.khoj.dev/

主要功能與特性（極客最愛之處）

Khoj 的核心是 先進 RAG（Retrieval-Augmented Generation）管道，結合語義搜尋、混合檢索（vector + keyword）、迭代發現（iterative discovery），遠勝傳統關鍵字搜尋。特別適合學術文件處理、個人知識管理與深度研究。

強大 RAG 與搜尋：
- 支援 PDF、Markdown、Org-mode、Notion、Word、圖片、程式碼、GitHub repo 等多種來源。
- 語義搜尋 + 增量搜尋（search-as-you-type），速度快、理解意圖，即使你記不清確切關鍵字也能找到相關內容。
- 線上/離線混合：可自動決定是否需要上網補充最新資訊（支援 SearxNG），並總是顯示引用來源。
- 研究模式（/research）：觸發深度研究工作流，自動閱讀多份文件、比較觀點、生成帶引用（citations）的文獻回顧。
AI 聊天與生成：
- 連接任意 LLM：本地模型（Ollama + Llama 3、Mistral 等）、雲端模型（Claude Sonnet 4.6 / Opus 4.6、OpenAI、Gemini、HuggingFace）。
- 自訂 Agents：建立有個性、工具與專屬知識庫的代理人，可排程自動化（例如每週研究通訊、智能通知）。
- 多模態：處理文字 + 圖表 + 程式碼，生成內容、總結長文、輔助創作。
整合與跨平台：
- 完美支援 Obsidian、Emacs、Desktop App、Web、WhatsApp，甚至手機。
- 與 Heptabase 互補：Heptabase 做視覺白板與卡片整理，Khoj 做深度後端 RAG 查詢與合成（可透過 API/MCP 連接）。
- 與 Claude Sonnet 4.6 搭配極佳：讓 Khoj 當 RAG 前端（索引你的學術論文庫），用 Sonnet 4.6 做高性能 Generator，實現 1M 上下文級別的學術深度推理，同時保留隱私與自訂性。
其他極客特性：
- 完全自託管：資料永遠留在本地或你的伺服器，可離線使用。
- 可擴展：從單機（on-device）到企業級（cloud-scale），支援 Docker 一鍵部署、Postgres 後端。
- 隱私至上：不強迫上傳資料到大廠雲端，適合敏感學術或企業文件。
- 迭代發現與輔助創造：不僅回答問題，還幫助你重新發現舊筆記、腦力激盪新想法。

優點（為什麼極客首選）：

開源（AGPLv3），可完全客製、修改、審核程式碼。
成本低：自託管幾乎免費（只付硬體/電費）。
比純 Claude Projects 更靈活：支援超大本地知識庫、混合線上搜尋、自訂 pipeline。
在學術 RAG 上表現出色：處理大量 PDF 論文、提取表格/圖表、跨文件合成、生成可驗證引用。

缺點：

自託管有技術門檻（需 Docker、設定 LLM、可能需要 GPU 加速本地模型）。
雲端版較方便，但自託管才是其靈魂。
部分用戶反饋早期本地性能需優化（但 2026 年版本已大幅改善）。

價格方案（2026 年最新）

自託管版：完全免費（開源）。你只需準備伺服器（推薦 4GB+ RAM、GPU 更好用 Ollama）、Docker 或 Pip 安裝。硬體成本依規模而定（個人筆電或 VPS 幾十美元/月即可）。
雲端版（app.khoj.dev）：提供方便的託管服務，有免費額度 + 付費方案（具體依用量，適合不想維護伺服器的人）。詳細價格請直接到官網查看（通常比大廠訂閱便宜）。
LLM 成本：如果你用本地模型（如 Ollama），幾乎零額外費用；搭配 Claude Sonnet 4.6 API 則依 token 計費（與之前討論相同）。

與 Claude Sonnet 4.6 + Heptabase 的比較（學術文件 RAG 情境）

Claude Sonnet 4.6：最簡單、開箱即用的 1M 長上下文 RAG，適合個人快速上傳論文、深度推理。但資料需上傳到 Anthropic，隱私較低，且對超大自有知識庫（數百篇論文）需依賴 Projects。
Heptabase：視覺化前端王者（白板、卡片連結），適合整理知識圖譜，但 RAG 深度推理不如專門引擎。
Khoj：極客/自託管首選。它專攻「自己的資料 + RAG」，可把 Heptabase 卡片或大量 PDF 索引進去，再用 Claude 4.6 當後端，實現「視覺 + 深度 + 隱私」三合一。對論文庫很大、需要長期自訂、或重視資料不離開本地的人來說，Khoj 的性價比與控制力最高。

推薦學術 Workflow：

用 Heptabase 整理論文卡片與視覺連結。
把 PDF/筆記匯入 Khoj（自託管），建立語義知識庫。
在 Khoj 中用 /research 模式 + Claude Sonnet 4.6，問「比較這 15 篇論文的方法論差異，並生成帶引用的 Discussion」。
結果可直接匯出或推回 Heptabase 白板。

Khoj 非常適合你之前的學術文件 RAG 需求，尤其是想避開純雲端工具、追求深度與客製化的極客路線。

想看自託管安裝步驟、具體 Prompt 範例、還是與 Obsidian + Claude 的詳細比較？或者告訴我你的硬體環境（有 GPU 嗎？論文數量？），我可以給更精準的部署建議！直接去 https://docs.khoj.dev/ 就能開始試用。