MCP 知识库 · 原生 RAG 混合检索

一个知识库，所有 Agent 即插即用

一条命令起一个知识库，所有 Agent 共用，谁都不用重造轮子。

一个二进制一键启动，MCP over HTTP 原生——Claude、Cursor 或你自己的 Agent，配一个 endpoint 就能共用同一个知识库。中文原生混合检索、全程可追溯、多租户隔离，是让它靠谱的底气。

0: 外部依赖（单机模式）
1: 二进制全栈
6: 文档格式
2: 部署模式

langhuan — 80×24

$ make standalone
✔ langhuan started (single binary, zero deps)
✔ SQLite db + keys auto-provisioned
✔ MCP over HTTP at :8080/mcp

$ curl :8080/mcp -d '{"tool":"knowledge_search","query":"中文混合检索怎么配"}'
{ "hits": [{ "content": "向量 + FTS 双路召回…" }] }

Why · 为什么会有琅嬛

做 Agent，你迟早会遇到这些问题

下面是常见的几类，以及琅嬛对应的解法。

每个 Agent 各建一套知识库

第二个、第三个 Agent 上线，导入、权限、检索各做一遍，出现多套不一致的知识事实。

琅嬛 · 把知识处理沉淀为一层基础设施，通过 MCP 供所有 Agent 调用，复用同一套事实。

看这个问题怎么解

中文关键词搜不准

用户搜合同号、产品名、专有名词，纯向量检索召回靠运气，关键词被整句当词。

琅嬛 · zhparser / gse 中文分词 + 向量双路召回，确定性 RRF 融合——精确词和语义都能命中。

看混合检索原理

检索结果说不清出处

答案来自哪份文档哪个版本？答不上来，排障靠猜，无法审计。

琅嬛 · 每个 chunk 带来源锚点（文档/版本/页码），每次检索有稳定 search_id，管理员可按原查询回放。

部署太重，想试就被劝退

想先验证价值，却被 PostgreSQL + Redis + 多容器挡在门外。

琅嬛 · 单二进制 + 单 .db 文件零配置，无需 Docker/PG/Redis，下载即用。

先看本地 RAG 怎么跑

没答案还在编

知识库里没有，模型却一本正经地编——典型的 RAG 幻觉。

琅嬛 · 琅嬛只回证据不替模型编答案：retrieval_status 明确区分 available / empty / degraded，让你知道是没召回还是真没答案。

Position · 琅嬛的位置

琅嬛是 Agent 的共享知识基础设施，不是又一个 RAG 框架

当你的 Agent 从一个变成多个，知识库不该各建一套。琅嬛一键启动一个知识库，MCP 原生让所有 Agent 直连；中文原生混合检索、全程可追溯、单二进制零配置，是让它靠谱的底气。它不生成答案、不编排 Agent——这是它和 Dify/RAGFlow 这类平台最本质的区别，它是它们的下层。

Highlights · 特性

为生产级 RAG 而生的知识处理层

不做 LLM 答案生成、不做 Chat 编排——把「文档 → 可追溯检索」这一段做到极致，作为任何 LLM 应用、MCP 客户端或 Agent 的知识底座。

中文原生的混合检索

Chinese-native hybrid retrieval

pgvector 向量 + PostgreSQL FTS（zhparser），或 SQLite + gse 中文分词，双路召回 + 确定性 RRF 融合。中文关键词不再被整句当词，召回质量开箱即用。

MCP over HTTP 原生

First-class MCP over HTTP

knowledge_search、document_ingest 等工具直接暴露给 MCP 客户端。Claude、Cursor 等拿到即用，无需额外桥接。

单二进制全栈

Single binary, full stack

REST + MCP + 异步 worker + Web Console 内嵌于一个二进制（go:embed）。零配置单机：一个二进制 + 一个 .db 文件，无 PostgreSQL、无 Redis。

全程可追溯

Fully traceable

每个 chunk 都能回到源文档、版本与页码/行列/偏移锚点。导入、分块、索引全链路幂等，状态以数据库为准。

Workspace 多租户

Workspace-scoped isolation

Workspace 即租户边界，成员角色 + 绑库限权的 API Key 细粒度鉴权，越权访问统一返回 404。

书藏琅嬛，取之有道

A library, retrievable at will

文档 → 规范化事实层 → 可检索投影，原子发布到唯一 active Generation；知识库即藏书楼，检索即取书。

Architecture · 架构

数据流：从文档到可追溯检索

1导入层File / Web / FAQ → 稳定 Document + 不可变 Revision

2处理层异步任务链：解析 → 资产归档 → 分块 → 索引（幂等）

3投影层RetrievalEntry：halfvec 向量 + FTS tsvector + 返回内容同行

4检索层向量 + FTS 双路召回 → 确定性 RRF 融合 → rerank → 带锚点证据

5发布层原子发布到唯一 active Generation，保留期内可回放

6服务层REST /api/v1/* · MCP /mcp · Web Console

技术基线：Go 1.26 · Gin · GORM · PostgreSQL 17 + pgvector · FTS (zhparser) · asynq + Redis · SQLite 单机（sqlite-vec + FTS5 + gse）

Quick Start · 快速开始

一条命令，跑起完整知识服务

无需 Docker、PostgreSQL 或 Redis：下载或编译 langhuan 后直接运行，首次启动自动生成 SQLite 数据库、密钥与配置。打开 http://127.0.0.1:8080 完成初始化即可导入文档并检索；生产高并发走 PostgreSQL + Redis 部署。

# 零外部依赖；无需 Docker / PostgreSQL / Redis
$ git clone https://github.com/amoydavid/langhuan.git
$ cd langhuan && make standalone

直接下载二进制（无需构建）macOS / Linux / Windows · 解压即用

初始化

创建管理员账号

建库导入

创建知识库，上传 pdf/md/txt/csv/xlsx/docx

检索

REST / Web / MCP 三端一致检索

Positioning · 定位

不是 Dify / RAGFlow 的替代品，而是它们的下层

琅嬛把「知识处理与检索」这一段做到极致，再通过 MCP 供上层应用调用。

	琅嬛 Langhuan	Dify / RAGFlow 等平台
定位	知识处理层（无 LLM 编排）	应用平台（含 Chat / Agent）
中文关键词检索	zhparser / gse 分词 + RRF 原生	依赖向量，FTS 较弱
交付形态	单二进制 + 单 .db 文件（可选零依赖）	多容器全家桶
MCP	原生 MCP over HTTP	需额外桥接
可追溯	chunk → 页码/行列锚点全链路	部分
接入方式	作为你应用的知识底座	平台内闭环

琅嬛 vs RAGFlow 琅嬛 vs Dify

Integrations · 集成

与你已有的工具链对接

MCP 客户端

Claude DesktopCursor任何 MCP over HTTP 客户端

文档格式

PDFDOCXMarkdownTXTCSVXLSX

检索组件

pgvectorzhparsergsesqlite-vecPostgreSQL FTS

FAQ · 常见问题

常见问题

琅嬛和 Dify / RAGFlow 有什么区别？+

琅嬛不是应用平台，而是知识处理层：它不生成 LLM 答案、不编排 Chat/Agent，只把「文档 → 可追溯检索」这一段做到生产级，并通过 MCP over HTTP 供上层调用。

琅嬛支持中文检索吗？+

支持且是原生能力。全文检索路在生产走 zhparser 中文分词、单机走 gse 分词，与向量检索双路召回后经确定性 RRF 融合。

如何把琅嬛接入 MCP 客户端？+

琅嬛原生提供 MCP over HTTP（/mcp），使用 Workspace API Key 作为 Bearer 认证。Claude、Cursor 等 MCP 客户端配置一个 endpoint 即可调用。

部署需要哪些依赖？+

零配置单机：直接运行 langhuan 二进制，自动生成 SQLite 数据库与密钥，无需 Docker、PostgreSQL 或 Redis。生产高并发再走 PostgreSQL + Redis。

如何下载 Langhuan？+

直接下载预编译二进制：macOS（Apple Silicon / Intel）、Linux、Windows 都有安装包，解压即用，无需 Docker / PostgreSQL / Redis。详见官网下载页。

Journal · 博客

从实践里写下来的判断

2026年8月25日6 分钟阅读

给你的 Agent 一个共同的知识底座

一条命令启动，所有 Agent 即插即用。中文原生混合检索、全程可追溯、单二进制零配置。

一键体验在 GitHub 查看项目