Gomoon 开源：一款支持多模型与本地向量化存储的桌面大模型工具

5. 多功能小工具

除了基础对话，Gomoon 集成了多种实用工具，支持多模态输入。

• 文件解析：支持发送文件、图片 OCR 识别、链接解析。
• 组合发送：允许文本、图片等多种内容组合发送。注意：若需直接提问图片内容，建议使用支持视觉理解的模型（如 GPT-4）；普通模型可使用 Gomoon 自带的 OCR 提取文字后再提问。
• 结果导出：支持 Markdown 格式和图片长截图导出，便于知识沉淀和分享。

6. 记忆胶囊（RAG 实现）

这是 Gomoon 的核心亮点之一。所谓的"记忆胶囊"，本质上是一个本地化的 RAG（检索增强生成）系统。

技术原理：

1. 文档向量化：用户上传的 Markdown 文档会被本地 Embedding 模型处理，转化为向量数据。
2. 向量存储：向量数据存储在本地数据库中，形成知识库。
3. 检索与生成：提问时，系统先检索相关片段，再结合 Prompt 发送给大模型生成答案。

应用场景：

• 团队私域知识查询（内部文档、规范等）。
• 个人知识库管理。
• 无需联网即可使用的离线知识问答。

性能表现： 经测试，16GB 内存的 Mac 和 Windows 电脑均可流畅运行记忆胶囊的存储与查询功能，完全免费且数据不出本地。

7. 对话历史管理

• 自动保存：新建对话时自动归档上次记录。
• 搜索与收藏：支持关键词精确查找历史记录，可标记重要对话为收藏。
• 清理机制：一键清除非收藏的历史记录，保持界面整洁。

8. UI 与主题

• 响应式布局：窗口大小调整时内容自适应。
• 主题切换：提供默认主题及"月光白"亮色主题，满足不同审美需求。

安全性与隐私

所有配置信息、对话历史及记忆胶囊数据均存储于本地。项目已开源，代码透明，确保用户数据不会被第三方服务器泄露或滥用。对于涉及敏感信息的业务场景，推荐使用本地模型配合记忆胶囊功能，实现完全离线的 AI 辅助。

技术架构与开发思路

为什么选择本地化？

云端 API 虽然强大，但存在延迟、费用及隐私风险。本地化部署（Local First）是解决这些问题的关键路径。Gomoon 采用了混合架构：

• 控制层：负责 UI 渲染与状态管理。
• 推理层：支持远程 HTTP 请求与本地进程通信（如 Ollama IPC）。
• 存储层：本地 SQLite 或嵌入式向量数据库。

开发挑战与解决方案

1. 上下文窗口管理：连续对话中 Token 容易超限。解决方案是引入滑动窗口策略，自动截断早期对话，保留最近的关键信息。
2. OCR 精度：内置 OCR 模块针对代码截图进行了优化，提高了特殊字符的识别率。
3. 跨平台兼容性：采用跨平台框架构建，确保 Windows 与 macOS 体验一致。

使用指南

安装与启动

1. 从官方仓库下载对应系统的安装包。
2. 首次启动需授权网络权限以获取模型更新。
3. 进入设置页配置 API Key。

配置最佳实践

• Token 预算：在设置中设定每日 Token 上限，防止意外消耗。
• 模型选择：简单任务使用小模型，复杂推理使用大模型。
• 备份习惯：定期导出重要的记忆胶囊和对话历史。

未来规划

• 插件系统：开放 API 供社区开发第三方助手。
• 协作功能：支持多人共享记忆胶囊库。
• 移动端适配：探索 iOS/Android 版本的可能性。

结语

Gomoon 是一款致力于提升开发者效率的开源工具。它不仅仅是一个聊天窗口，更是连接本地知识与云端算力的桥梁。通过持续迭代，希望能为更多开发者提供安全、高效的 AI 辅助体验。欢迎 Star 项目并提出宝贵意见。

注：本文档基于 Gomoon 公开功能整理，具体版本特性请以官方发布为准。