knowlp-rag
Markdown 笔记的双知识图谱 RAG，带半衰期记忆衰减：前置依赖 + 相似关联双图（P/S-Agent 遍历）、段落级匹配、ngram/embedding 混合检索、显式权重反馈闭环——原生 Cordis 插件，npm 包 @eqman00003/knowlp-rag。
- 形态
- Plugin 插件
- 安装
- npm 包安装
- 需要密钥
- 是
- 近月下载
- 1,233
- 最近推送
- 11 天前更新
项目说明
From README
--- type: KnowLP document status: engine date: "2026-08-29" note: engine README (v3.0.8 repo edition, dsh-first) --- KnowLP-RAG Agent-first knowledge retrieval — turn your Markdown notes into a self-maintaining knowledge graph that is "use it or lose it".
Agents (DSH / Claude Code) install, build the graph, and self-check it; only the vault path must be provided by the human.Retrieval returns reading paths: which notes to read, in what order, and which are similar substitutes.
--- Quick start (3 steps) All three steps are agent-runnable; only KNOWLP VAULT (your notes directory) must be provided by the human.Use from any MCP client A .mcp.
json ships at the repo root — copy it next to your project (or into your host's config), then provide the two required env vars ( KNOWLP VAULT , KNOWLP GRAPH DIR ; the file reads them via ${...} , so setting them in your shell is enough).Two optional
Original description
KnowLP-RAG: dual knowledge-graph RAG for Markdown notes — dsh plugin add @eqman00003/knowlp-rag · MCP + native Cordis plugin for DeepSeek Harness (dsh) & Claude Code
安装方式
npm 包安装 · 需要额外配置密钥
dsh plugin add "@eqman00003/knowlp-rag"pip install -e .git clone https://github.com/wly8691-jpg/knowlp-rag.git安全能力
静态扫描源码得到的权限画像 —— 回答的是「它要动什么」，而不是「它好不好」
- 执行命令
- 写入文件
- 读取文件
- 读取环境变量
未发现已知红线（明文传输、安装期执行代码、凭据外传等）。
能力与红线来自 awesome-dsh-plugin 的静态扫描结果（CC0 公有领域），本站未逐行复核源码； 它只覆盖能被静态识别的模式，不等于安全审计结论。
为什么是这个分数
近 12 天内有提交；README 给出了可直接复制的安装命令；运行前需要准备 API Key 或环境变量；近月 npm 下载 1233 次，star 不多但真在被使用。
- 维护活跃
- 86
- 实用度
- 86
- 生态热度
- 62
- 上手便捷
- 74
- 信号质量
- 100
- 数据置信度
- 100%
相关插件
EverOS
EverMind-AI/EverOS
One portable memory layer for every AI agent: local-first, Markdown-native, user-owned, and self-evolving across apps, tools, and workflows.
dsh-memory
FuRongJun-1999/dsh-memory
白箱AGI架构探索：元认知（自我认知循环）、持续学习（知识飞轮）、世界模型（条件空间+语义时空图）、自我改进（自举纪律）、零LLM白箱管线与可审计信任护栏。
MemOS
MemTensor/MemOS
DeepSeek Harness 本地记忆插件：分层 L1/L2/L3 记忆，自动沉淀与手动 memos_* 检索工具并存，内置记忆浏览器。