打开账单，那个 AI 知识库会员又扣了三百多块。不多，但每次看到这笔钱，我心里都会冒出一个念头：这个月我打开过它几次？答案是：不超过三次。而且其中两次搜出来的东西，说实话，不太对。

每个月续费的时候我都会犹豫一下。

打开账单，那个 AI 知识库会员又扣了三百多块。不多，但每次看到这笔钱，我心里都会冒出一个念头：这个月我打开过它几次？

答案是：不超过三次。而且其中两次搜出来的东西，说实话，不太对。

这就是我退订所有 AI 知识库的开始。

四个让我忍不下去的理由

先说清楚，我不是一开始就觉得商业 AI 知识库不好。正相反，第一年用的时候我觉得这东西真方便——把笔记、文档、网页一股脑扔进去，想用的时候搜一下，AI 帮你整理好答案。那种"有个 AI 助理帮我打理所有知识"的感觉，确实很爽。

但用久了，问题一个个冒出来。而且最让我不舒服的是：这些问题不是我"要求太高"，是产品本身就不把用户的长期利益当回事。

第一个，价格。

单个产品月费 200 到 400 块不等，一年下来两三千。这还不是最贵的——有些企业版报价直接四位数一个月。作为一个自己掏钱的独立开发者，这笔账我算过：一年订阅费够我买三年的云服务器。

如果真的好用，这个价格我也认了。问题是——

第二个，内容不可控。

你不能真正"拥有"自己的笔记。想改一篇已上传的文章？不行，只能删了重新传。想批量导出？大部分产品只给 Markdown 导出，但格式乱七八糟，链接全断。有一次我想把 60 多篇笔记迁到另一个平台，折腾了一整个下午——导出来之后发现所有 internal link 都变成了死链，图片全丢。

更让人难受的是，你没法定制内容方向。知识库的质量完全取决于你往里扔了什么，但 AI 怎么理解这些内容、怎么分块、怎么检索——全是黑盒。你花了钱，存了数据，但你对"自己的知识是怎么被处理的"一无所知。

这就引出了第三个问题。

第三个，检索质量你完全没法干预。

大多数商业产品不会告诉你背后用的什么 embedding 模型、什么分块策略、多少 chunk size。

我问过一家产品的客服："你们的分块策略是怎样的？是按段落还是按 token 数？"

等了三天，回复是："我们的 AI 会自动选择最优策略。"

翻译一下：你不需要知道，你也没法改。

对一个做了十几年后端的工程师来说，这种"相信我就行了"的回答，比直接说"我们还没做到"更让我焦虑。

第四个，也是最让我下决心的——数据出境。

我有一批笔记涉及企业内部架构文档。虽然脱敏了，但你不知道它上传到海外服务器之后，会不会被用于模型训练，会不会被第三方访问。

很多商业 AI 知识库产品的服务部署在美国或者新加坡，国内没有节点。我查了四五家主流产品的隐私政策，措辞几乎同出一辙：我们会使用上传内容来改进服务。什么叫"改进服务"？是不是拿去训练模型了？不会把你的数据混进别人的查询结果里吗？这些问题他们不会正面回答。

更实际的问题是：合规团队明确说过，企业内网相关内容禁止上传到境外 SaaS 服务。我有很多笔记虽然在技术上做了脱敏，但架构图、技术方案、性能数据——这些东西放在别人的服务器上，心里那道坎过不去。

这条红线一划，基本上断了我继续付费的念头。

不是因为技术炫，是实在忍不了

说实话，自己做知识库这件事，一开始我也觉得麻烦。

向量数据库、embedding 模型、分块策略、检索管道——光这些名词列出来，就够你折腾一个周末。

但后来我想通了一件事：我不是要做一个产品，我只是想解决自己的问题。

我要的东西很简单：把我写了5年的技术笔记和收藏的文章存起来，需要的时候能搜出来，搜出来的东西靠谱，数据留在自己机器上，不用给别人交月费。

这不应该是天大的需求。它其实是一个工程师最基本的权利——掌控自己的知识。

而且说实话，一个做过十几年后端的人，搭这个真的不是难事。向量数据库的概念十年前就有了，embedding 这两年已经成熟到可以本地跑。真正的阻力不是技术，是那种"反正有现成的，干嘛自己折腾"的惯性。

想明白这一点之后，动手就很快了。

最重要的是，现在有了 AI，不懂编程的都可以实现搭建自己的 AI 知识库。

对于不想折腾的朋友，也可以使用我已经开源的搭建知识库 skill，公众号后台回复“知识库”直接一键安装。

方案长什么样

整个方案由三个东西拼起来，各一句话就能说清楚：

ChromaDB：一个开源的向量数据库，你可以理解成"专门给 AI 用的搜索引擎"。你把文字变成向量存进去，查询的时候它帮你找语义最接近的内容。

本地 embedding 模型：我用的是 paraphrase-multilingual-MiniLM-L12-v2——一个免费的开源模型，384 维，支持 50 多种语言，中英文混查毫无压力。跑在本地，不需要 GPU，MacBook 上毫秒级响应。

MCP 协议：Model Context Protocol，你可以把它理解为 AI 工具和外部世界之间的"通用插头"。我用它把知识库接入了 Claude Code，写着代码、聊着天，直接问一句"我之前的笔记里怎么说的"，它就帮你去向量库里搜回来。

架构上，我做了双 repo 分离：

• awesome-ai-kb：纯内容仓库，只管 Markdown 文章，按主题（Redis / Kafka / JVM / MySQL / 算法 / AI / 架构等 25+ 分类）组织。文章就是文章，没有任何技术依赖。
• kb-builder：工具仓库，管索引管道和 MCP server。提供一个 install.sh，一键安装，10 分钟跑通全流程。

双 repo 分离架构

分块策略我做了三个版本，现在稳定在 v3.0：

• 结构感知分块（800 字）：给技术教程和长文用的，按 H2/H3 标题自然切分
• 模板段落分块（600 字）：给设计模式、最佳实践这类结构化内容用的
• Q&A 对分块：给 FAQ 和踩坑笔记用的，一个问答一个块

三种策略组合下来，检索命中率到了 75%+。说句实在话，比我之前用的那个按月付费的产品还高——那个产品经常搜出一堆"看起来相关、但读三行就发现不对"的结果。

搭完什么样

给几个实际数字，不说虚的。

内容库：awesome-ai-kb 里现在有 240 篇技术文章。覆盖 Redis、Kafka、JVM、MySQL、算法、AI、架构、Java、Go、分布式、微服务等 25 个以上主题。这些是我过去十几年写的笔记、公众号文章、以及收藏的优质技术内容，全部 Markdown，干干净净。

索引规模：240 篇文章经过三种分块策略处理后，产生了 5877 个语义块。平均每篇文章被拆成 24 个左右的检索单元。

检索效果：我自己做了 50 次随机查询测试，75%+ 的情况下，前三条结果里至少有两条和我想找的内容高度相关。剩下的 25% 里，大部分是问题本身就比较模糊，不是检索的问题。

延迟：单次查询从输入到返回结果，本地跑 800ms 以内。比商业 SaaS 产品快吗？不一定——它们有 CDN 加速。但 800ms 够用了，而且没有网络抖动，不担心服务宕机。

三个 MCP 工具：

• search_kb：语义搜索，输入自然语言，返回最相关的 chunk
• list_kb_topics：看你的知识库覆盖了哪些主题
• get_kb_stats：看索引数据统计

这三个工具在 Claude Code 里直接用。写着代码想查个之前记录的技术方案，不用切窗口，不用登录网页，一句话就查回来了。

这是我的使用效果，后边我会做成一个可视化网站给大家使用，你也可以按照我的思路自己搭建一套 RAG AI 知识库。

花费：0 元。ChromaDB 开源、embedding 模型免费、跑在本地不需要额外服务器。

后面我会继续迭代，构建一个 web 网站体验更丝滑，同时也开放给所有人使用。

检索效果数据概览

你到底要不要自己搭

我不劝所有人都自己搭。这不现实，也不负责任。

适合自己搭的人：

你的技术笔记已经积累了一定规模（至少大几十篇），而且你对内容质量有要求——不是"能搜到就行"，而是"搜出来的东西得是我的语境、我的理解"。

你对数据隐私敏感，或者有合规要求。你愿意花半天时间做初始搭建，但之后不想再被月费绑架。

适合继续用商业产品的人：

你的笔记还比较零散，总量不大。你不想碰任何技术配置——哪怕是 install.sh 也不想跑。你主要用知识库做"外脑"而不是"第二大脑"，对检索精度没那么挑剔。

我自己属于第一类。而且搭完之后我发现：这件事最难的不是技术，是下决心开始。

常见问题

Q: 需要什么硬件配置？

A: ChromaDB + 本地 embedding 模型对资源要求很低。我在 M1 MacBook Air 上跑，内存占用不到 500MB，CPU 占用毫秒级。不需要 GPU。

Q: 会不会很难维护？

A: 文章就是 Markdown 文件，放在文件夹里。新增一篇文章就是写一个 .md，然后跑一条索引更新命令——这个过程可以做成 git hook 自动触发。内容仓库和工具仓库分离的好处就在这里：你的文章永远是干净的纯文本，工具出问题不影响内容，换个工具也不影响内容。

Q: 中文检索效果真的好吗？

A: paraphrase-multilingual-MiniLM-L12-v2 这个模型对中文的支持比我预期的好。技术术语、英文缩写混在中文里的场景，检索准确率比纯英文模型高不少。如果追求极致效果可以上更大的模型，但 384 维在这个场景下够用了。

Q: 和 Notion AI、Readwise 这些比有什么区别？

A: Notion AI 和 Readwise 帮你记录和回顾，但底层你管不了。数据在别人服务器上，用到什么模型你也不知道。自建方案是把控制权拿回来——用什么模型、怎么分块、怎么检索，全由你决定。代价是你得自己搭。

Q: 能不能用在团队场景？

A: 目前 kb-builder 定位是个人知识库。团队场景需要权限管理、多用户隔离、协作编辑——这些问题我暂时没解决，也不打算在这个版本里解决。先把单人场景做到极致。

写完这篇，码哥自己又回味了一下——从"被月费绑架"到"完全掌控自己的知识库"，这个过程其实挺痛快的。如果你也是那种看到账单就烦躁、但又离不开 AI 辅助检索的技术人，这个方案可以试试。

我把 awesome-ai-kb 和 kb-builder 都开源了，GitHub 上可以直接 clone。完整的搭建指南、7 篇深度方法论文章（从分块策略设计到 MCP 协议集成，每一步掰开了讲）在知识星球「码哥字节」——从 0 到跑通，不用再踩我踩过的坑。

如果不星标，算法就不会主动推给你。错过几篇没关系，但有些内容正好是你当时需要的，那就不划算了。