Eclaire
将私有任务、笔记、文档和收藏统一到本地 AI 助手中。
- Star 数
- ★ 922
- 最近更新
- 4 个月前
- License
- MIT
- 主语言
- TypeScript
- FA 评分
- 47/100 · 缺口较多
30 秒速览
- 可在哪里用
- 通用 · 跨平台OpenAI API
- 开始前需要
- 典型场景
- 重视隐私的个人可在本机保存银行或健康相关文件，并通过本地模型检索和总结其中的信息。
- 主要局限
- 项目明确标注为预发布且频繁变化，升级前需要备份数据并审阅发行说明。
- 源码审查
- 47/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
Eclaire 是面向个人数据的本地优先、自托管 AI 助手，集中管理任务、笔记、文档、照片和书签。它由 Vite/React 19 前端、Node.js/Hono REST API、后台工作进程、数据库与本地模型服务组成，默认可在一个容器中运行。助手可在内容上下文中对话，并使用搜索、打开内容、处理任务、添加评论和创建笔记等工具。数据可存于 PostgreSQL 或 SQLite，任务队列可使用数据库或 Redis；文档处理由 Docling 支持。它提供带会话令牌或 API 密钥的 OpenAI 兼容 REST 端点，但项目仍处于预发布阶段，且不应直接暴露到公网。
Eclaire 接收上传的文件、图片、任务、Markdown/纯文本笔记和书签；书签会抓取网页，并生成 PDF、可读版本和适合 LLM 使用的版本，GitHub 与 Reddit 书签还有专门的 API 与元数据处理。后台工作进程可处理 PDF、Office 文档、网页和多种图片格式，执行 OCR、内容理解、分类与搜索相关处理。聊天助手以这些内容为上下文流式回答，并能调用工具搜索数据、打开内容、处理任务、添加评论或创建笔记。它可连接 llama.cpp、vLLM、mlx-lm/mlx-vlm、LM Studio、Ollama 等提供 OpenAI 兼容 API 的模型后端；管理模型可运行 ./eclaire model list。
- 重视隐私的个人可在本机保存银行或健康相关文件，并通过本地模型检索和总结其中的信息。
- 需要稍后阅读的人可保存网页书签，让系统生成可读页面和 PDF 归档版本。
- Mac 用户可用 Apple Watch 听写笔记，再在 Eclaire 中将其与已有笔记、任务和文档关联。
- 积累大量扫描件或照片的用户可执行 OCR、分类和搜索，以定位图片与文档中的内容。
- 管理个人工作事项的用户可创建任务，让助手添加评论、处理任务，或将结果写入独立文档。
- 需要通过移动端或 Telegram 与个人资料库交互的用户，可使用 PWA、iOS 快捷指令、Android 自动化或 Telegram 集成。
如何安装或部署这个 Agent？
准备 Docker、Docker Compose 和本地 LLM 服务（README 推荐 llama.cpp）。执行：
mkdir eclaire && cd eclaire
curl -fsSL https://raw.githubusercontent.com/eclaire-labs/eclaire/main/setup.sh | sh脚本会下载配置、生成密钥并初始化 PostgreSQL。启动模型服务后执行 docker compose up -d，在浏览器打开 http://localhost:3000 完成管理员账户、AI 提供商和模型选择；也可运行 ./eclaire onboard。开发环境另需 Node.js ≥24、启用 corepack 和 pnpm。
如何使用这个 Agent？
先运行本地模型服务，再启动 Eclaire：docker compose up -d。打开 http://localhost:3000 完成首次引导，然后上传或创建任务、笔记、文档、照片和书签，并在助手对话中基于这些内容提问。模型提供商、模型与当前选择在管理界面或 CLI 中配置；查看模型可用 ./eclaire model list。程序化访问可使用其 OpenAI 兼容 REST 端点，并通过会话令牌或 API 密钥认证。
这个 Agent 有哪些优点和局限？
- 将任务、笔记、文档、图片和书签放入同一数据空间，助手可跨这些内容进行检索与对话。
- 支持单容器部署，也可拆分服务；持久化可选 PostgreSQL 或 SQLite，队列可选数据库或 Redis。
- 可接入 llama.cpp、MLX、vLLM、LM Studio、Ollama 等多种本地或兼容 OpenAI API 的模型后端。
- 书签可生成 PDF、可读版本和 LLM 友好版本，并对 GitHub、Reddit 提供专门处理。
- 项目明确标注为预发布且频繁变化，升级前需要备份数据并审阅发行说明。
- 部署依赖 Docker、Docker Compose 与独立的本地 LLM 服务，模型服务需要自行启动和配置。
- 项目明确警告不得直接暴露到公网；远程访问还需 VPN、隧道或带认证的反向代理等额外防护。
- 部分高效能能力取决于硬件与后端，例如 Apple Silicon 的 MLX 或 NVIDIA CUDA。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|
| Eclaire 当前 | 47 · 缺口较多 | ★ 922 | 4 个月前 | TypeScript | OpenAI API |
| GAIA 个人 AI 助手 | 73 · 存在缺口 | ★ 298 | 4 天前 | Python | — |
| 思源笔记 | 52 · 缺口较多 | ★ 46k | 今天 | TypeScript | — |
| Conduit | 73 · 存在缺口 | ★ 2.2k | 1 天前 | Dart | OpenAI API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示项目强调隐私和本地优先，但未提供详细的权限模型或用户确认机制。README提到'Private by default'，但未说明具体的最小权限原则。用户确认方面，有设置向导和CLI，但未明确AI操作需用户确认。数据流透明度方面，有架构文档，但未详细说明数据如何流动。敏感数据处理方面，提到可处理银行、健康等敏感信息，但未说明具体保护措施。依赖安全方面，有pnpm overrides和CI，但未提供依赖审计结果。外部影响方面，有Telegram集成和GitHub/Reddit API，但未说明权限控制。回滚方面，有数据库事务测试，但未提供应用级回滚。来源归属方面，有开源许可证和贡献指南，但发布者未验证。
自洽性方面，README和代码结构一致，测试覆盖了数据库操作。依赖可用性方面，有Docker和本地模型依赖，但未提供依赖的可用性保证。失败消息方面，测试中有错误处理，但未提供用户友好的错误消息。
受众和场景方面，README列出了多种使用场景，适合个人和敏感数据。能力边界方面，描述了功能范围，但未明确AI的权限边界。触发精度方面，有CLI和API，但未详细说明触发条件。环境适配方面，支持多种操作系统和部署方式，但未提供详细的配置指南。
信息架构方面，有清晰的目录结构和文档。安装说明方面，提供了Docker和源码安装步骤。命名稳定性方面，有版本号和CHANGELOG，但未说明命名约定。示例和FAQ方面，有示例用例，但未提供FAQ。已知限制方面，README提到预发布状态和安全警告。许可证方面，MIT许可证明确。版本和变更日志方面，有CHANGELOG和版本脚本。维护责任方面，有贡献指南和安全政策，但未明确维护者。
输出可用性方面，有API和CLI，但未提供输出格式示例。边际价值方面，提供了统一数据管理和AI功能，但未与其他工具比较。成本效益方面，自托管可节省成本，但未提供性能数据。
声明可追溯性方面，README中的功能声明未提供具体实现细节。跨来源佐证方面，有测试和CI，但未提供独立验证。事实与推断分离方面，README中的描述多为断言，未区分事实和推断。
- 项目处于预发布状态，API和配置可能频繁变化，升级前需备份数据。
- 安全警告明确不建议直接暴露到公网，需额外安全层。
- 发布者身份未验证，需谨慎评估供应链风险。
常见问题
Eclaire 是否必须使用云端模型？
能否直接把实例暴露到互联网？
首次启动后还需要做什么？
./eclaire onboard 完成。