Keel-Labs/keel

说明与用途

**项目简介（2‑3 句）**
Keel 是一款本地优先的 Mac 应用，提供纯 Markdown 工作区并支持自带模型（BYOM），让 AI 助手的记忆完全归用户所有。它可以把企业内部的文档、知识库等内容快速索引，为助手提供可靠的上下文来源。

**价值**

• **内部知识可搜索、可复用**：将散落在不同系统的文档统一索引，帮助员工和 AI 助手在对话中即时检索到最新、最准确的信息。
• **数据安全可控**：所有索引和向量存储都在本地完成，避免敏感信息外泄，符合合规要求。
• **灵活模型接入**：支持自带模型（OpenAI、Claude、Llama 等），可根据成本、隐私或性能需求自由切换。

**典型接入方式**

1. **准备 Markdown 工作区**：在本地文件夹中组织业务文档（Markdown、txt、pdf 等），Keel 会自动监控并生成向量索引。
2. **配置模型**：在设置页面填写模型 API 密钥或指向本地模型的路径，实现 “bring‑your‑own‑model”。
3. **调用 API**：使用 Keel 提供的本地 HTTP 接口（或 SDK）发送查询/对话请求，返回带有检索上下文的答案。
4. **小范围 PoC**：先在单个项目或部门建立一个工作区，验证检索质量和响应时延，再逐步扩展到全公司。

**生产可用性**

• **成熟度**：当前评分 55/100，适合作为原型或内部工作流工具。代码基于 TypeScript，活跃度尚可（最近更新），但仍需自行进行依赖审计和安全评估。
• **部署要求**：仅需 macOS 环境（或通过 Docker 在其他平台运行），本地存储空间随文档规模线性增长。
• **运维成本**：无外部服务依赖，主要成本在模型调用（若使用云模型）和本地硬件资源。建议在正式生产前完成：

1. 许可证合规检查（MIT/Apache 等）。
2. 安全审计（依赖库、网络访问）。
3. 监控索引更新和查询延迟。

综上，Keel 适合作为内部知识检索的快速落地方案，先在小范围 PoC 验证后，可通过完善运维和安全流程逐步提升到生产级别。

实际用途

Keel-Labs/keel helps make internal knowledge searchable and usable by assistants.

• index knowledge bases
• improve search over documents
• ground assistant answers

限制与审查说明

Medium: useful for prototypes or internal workflows, with dependency and maintenance checks before production.