Khoj 是什麼？能搜尋你筆記、可自架的 AI 第二大腦

Khoj 想解決什麼問題

你大概有這個經驗：筆記寫了一堆、PDF 存了一櫃、文件散在各資料夾，真要找某句話、某個結論時，卻想不起來它在哪。

Khoj 想解決的就是這件事。它是一個「AI 第二大腦」，你把自己的筆記、PDF、文件丟給它，之後就能用自然語言問問題，例如「我去年寫的那份提案裡，結論是什麼？」它會從你自己的資料裡找答案，而不是憑空亂編。

它跟一般 ChatGPT 最大的差別在於：ChatGPT 答的是它訓練時學到的通用知識，Khoj 答的是你自己累積的東西。它是開源的，可以自己架在電腦上，也有官方雲端版可以直接用。在 GitHub 上有三萬多顆星，背後是知名創業加速器 Y Combinator 投資的團隊。

它跟 NotebookLM、AnythingLLM 差在哪？

這三個都是「拿你自己的資料來問答」，新手很容易搞混。差別在於它住在哪、能伸到哪裡。

NotebookLM 是 Google 的雲端服務，你把資料上傳上去，在它的網頁裡問答。它很好用、不用安裝，但資料是放在 Google 那邊，而且就是一個獨立的網頁工具。

AnythingLLM 是可自架的知識庫工具，你建工作區、丟文件進去問答，重點是「把一批文件變成可查詢的知識庫」。

Khoj 的特色是它想當你「隨身的」第二大腦。除了自架、能接本機模型保護隱私之外，它最大的賣點是能塞進你平常已經在用的地方：Obsidian 筆記軟體、Emacs、桌面 App、手機，甚至 WhatsApp。換句話說，它不只是一個你要特地打開的網站，而是想變成你各個工具裡都喚得出來的助手。

簡單分：想開箱即用、不在意資料上雲 → NotebookLM；想自架、把一批文件變問答系統 → AnythingLLM；想要一個能接進筆記軟體、隨處可問、又能完全本機的個人大腦 → Khoj。

它實際能做哪些事？

Khoj 的核心是「搜尋 + 問答你自己的資料」，但這幾年它長出不少功能：

把你的筆記、PDF、Word、Markdown、網頁等文件，做語意搜尋。語意搜尋的意思是，你不用記得確切關鍵字，用大概的意思問也找得到。

用自然語言問答，它會根據你的資料回答，而不是只給你一串搜尋結果。

接你選的大型語言模型，可以是雲端的 GPT、Claude、Gemini，也可以是完全跑在本機的開源模型（例如透過 Ollama 那類本機模型）。

建立自訂 agent，給它特定的知識、角色和工具，做比較固定的任務。

排程自動化，例如定期幫你整理、產生個人化的摘要或通知。

從 Obsidian、桌面、手機等多個入口存取，不必每次都回到同一個網頁。

自架的好處：資料可以不出門

Khoj 最吸引人的一點，是它可以完全跑在你自己的電腦上，搭配本機模型，資料不外送。

對於處理私人筆記、日記、研究資料、公司內部文件的人，這很重要。你不必把這些東西交給雲端服務，整個問答可以在本機完成。這是它和純雲端工具（像 NotebookLM）最根本的差別。

但要分清楚一件事：Khoj 自架，不代表「一定隱私」。隱私程度取決於你接哪個模型。如果你為了答得更好，接的是雲端的 GPT 或 Claude，那你的提問內容還是會送到那些雲端服務。真正要「資料完全不出門」，要搭配本機模型一起用。

要不要錢？成本藏在哪？

Khoj 這個軟體本身是開源免費的（採 AGPL-3.0 授權），你可以自己下載自架，不用付授權費。它也提供官方雲端版，讓不想自己架的人可以直接用，雲端版有它自己的免費額度與付費方案。

成本主要藏在兩個地方。

第一，模型費用。Khoj 自己不含大腦，要接一個語言模型來思考。接雲端模型（GPT、Claude）是按用量付費，你問越多付越多；接本機模型則不用付 API 費，但要看你電腦跑不跑得動。

第二，自架的維護成本。自己架在電腦或伺服器上，要處理安裝、更新、資料備份。如果架在雲端主機上長期跑，還有主機月租。

所以「免費」要分清楚：程式免費，模型和自架維護未必免費。新手想試，最省事的方式是先用官方雲端版的免費額度感受一下，確認合用，再決定要不要自架。

一個授權上的提醒

Khoj 採用的是 AGPL-3.0 授權。對只是自己用、不對外提供服務的個人來說，這通常沒什麼影響，放心用。

但如果你是公司，打算把 Khoj 包成服務提供給別人用，AGPL 有一些關於「對外提供服務時要公開原始碼」的條款，這種情況請先讓懂授權的人看過再決定。一般個人使用不用為這個煩惱，但商用前值得確認。

它適合誰？

比較適合這幾種人：筆記、文件累積很多、常常找不到東西的人；已經在用 Obsidian、想讓筆記變得可問答的人；在意隱私、想把個人或公司資料留在本機的人；願意接受要設定、要選模型的人。

現階段比較不適合：完全不想碰任何設定、只想開箱即用的人（那 NotebookLM 更直接）；資料量很小、用一般筆記搜尋就夠的人；不想處理自架維護、又不想付雲端費用的人。

怎麼低風險試第一次？

不要一開始就把所有重要資料一次全倒進去。比較好的順序是這樣。

如果只是想感受它能做什麼，先用官方雲端版，丟幾份不敏感的文件試問答，看它找答案準不準、合不合你的習慣。

如果你重視隱私、確定要自架，先照官方文件在本機裝起來，接一個本機模型，拿一小批測試文件跑，確認流程通、答案有根據。

接 Obsidian 或手機這類入口時，先拿測試的筆記庫試，別一開始就接你最重要的那個。

確認準確度和隱私都符合你的要求，再把真正重要的筆記和文件放進去。記住，AI 整理出的答案還是可能出錯，重要結論自己再核對一次。

我會這樣建議新手

Khoj 值得認識，因為它把「AI 問答」從一個獨立網站，變成可以塞進你日常工具、又能完全本機的個人大腦。對筆記控、Obsidian 使用者、在意隱私的人特別對味。

如果你只是想要「上傳幾份資料、問幾個問題」，NotebookLM 更快上手。但如果你想要的是一個長期累積、隨處可問、資料能留在自己手上的第二大腦，Khoj 是目前很值得花時間的選擇。

先用雲端版的免費額度試水溫，覺得合用、又在意隱私，再進一步自架接本機模型。一步一步來，比一開始就追求完美設定實際得多。

資料來源

本文依 Khoj（khoj-ai）官方 GitHub、官方文件與一般自架知識庫知識整理。Khoj 功能、授權與雲端方案更新很快，正式使用前請再確認官方頁面，重要資料務必自行備份與核對。

https://github.com/khoj-ai/khoj
https://docs.khoj.dev/
https://khoj.dev/