核心用法
GNO 是一款面向本地文件的知识检索引擎，通过命令行工具实现文档的索引、搜索与智能问答。核心工作流分为三步：
1. 初始化与索引：gno init 创建索引库，gno collection add 添加文档目录，gno index 执行文档摄取与向量嵌入
2. 多模态搜索：支持 BM25 关键词搜索（search）、向量语义搜索（vsearch）、混合检索（query）及 AI 问答（ask），响应时间从毫秒级到数秒不等
3. 知识管理：提供标签系统、文档关系图谱、MCP 协议集成及 Web UI 服务，支持构建个人知识库
显著优点
- 完全本地化：无需云 API 密钥，数据不出本地，隐私可控
- 语义检索能力：基于向量嵌入实现概念匹配，突破关键词局限
- 多格式支持：PDF、Markdown、Word、代码文件等均可索引
- AI 问答集成：
gno ask可生成带引用的智能回答，支持 RAG 场景 - 生态扩展：内置 MCP 服务器与 Skill 安装机制，便于 AI 助手集成
潜在局限
- 硬件依赖：本地嵌入模型需 GPU/充足内存支持，大型文档集索引耗时
- 手动维护：文件变更后需手动执行
gno index或gno embed，非实时同步 - 模型管理：需自行下载维护本地模型（
gno models pull），对新手有门槛 - 无协作功能：纯单机方案，不支持多用户协同或云端同步
适合人群
- 注重数据隐私的开发者、研究人员、知识工作者
- 需要构建本地 RAG 系统的 AI 应用开发者
- 拥有大量本地文档（PDF、笔记、代码库）需统一检索的用户
- Obsidian/Logseq 等笔记工具用户寻求增强搜索能力
常规风险
- 索引膨胀：大型目录索引可能占用显著磁盘空间
- 过时索引：未及时运行
gno embed将导致向量搜索结果缺失新内容 - 模型兼容性：本地模型版本变更可能影响嵌入一致性，需关注
gno doctor诊断 - 权限问题：索引系统文件或敏感目录时需注意访问权限与数据暴露风险