想在本地搞语义搜索，第一个拦路虎往往不是模型，是硬盘。
传统 RAG 的做法是把嵌入向量全量存下来，文档一到百万级，几百 GB 就没了，个人设备根本顶不住。LEANN 换了个思路：向量不全存，只留一份精简的图结构，检索时按需即时计算，存储直接砍掉约 97%，精度却没缩水。
笔记本上就能跑。文件系统、邮件、浏览器历史、微信和 iMessage、ChatGPT 与 Claude 的对话记录、Slack 和 Twitter 的实时数据、代码库，全部本地处理，云成本为零，数据也不出设备。
这个项目已经入选 MLsys 2026。对隐私敏感、又想要语义搜索的个人开发者，值得放进关注列表。
正文完