终于实现了！把你的几千个文件这样交给本地大模型，随便问，还不限次！

你好，我是郭震！

我经常会遇到这样的痛点，就是电脑里，有各种文件散落在不同的文件夹，想找一句话、核对一个数据，太费劲了，最后可能找半天都无功而返。

相信你也有遇到过。今天这篇文章我们看看如何解决

1 通用智能体

Codex，Claude code，豆包，Workbuddy，这些智能体强还是很强，但很难从几千个文件根据问题意思找全答案。

如下图所示，强入Claude code ，哪怕配备 Opus 5.5，直接问它能不能做到：

它的答案非常诚实：不能。

不用关键词、只靠问题的大意，2 分钟连其中一小部分都读不完，更谈不上准确找到答案。

于是RAG知识库诞生了，如比较知名的：腾讯IMA，谷歌NotebookLLM，很多人都在每天使用。

我也经常在用，但是我发现NotebookLLM一个知识库，即便是Pro也只能放入300个文件：

一个知识库只能放最多300个文件，这个量级真的不够用，咱们不说企业，就是个人，使用电脑1年多，随随便便就超过三百。

更糟的是，我在使用NotebookLLM时，PDF里的公式和表格几乎导入后排版全部乱掉：

在此不再一一列举，如何解决这样的问题呢？

于是我们开发了DeepLocals知识库。

它的出现，就是专门为了解决以上这些问题，不仅一个卡片能支持几千个文件，而且还能跨知识库语义检索：

配备本地大模型Qwen3.8:27B，直接对上千个本地电脑文件做知识问答，随便问，还不限次：

而且导入的文件，即便难度很大的扫描件，公式、图片和排版也能基本保留，如下图所示为导入到DeepLocals后的文件显示：

2 DeepLocals和LLM Wiki区别

LLM Wiki 是前段时间 Karpathy 提出的一个思路，让大模型把资料整理成一份 Wiki 来问答。

概念很巧，几十份文档，玩一下，挺好。

但是资料一多、格式一杂就难以支撑。DeepLocals 从一开始就是按真实工作场景设计的，一个知识库能胜任几千个文件，知识问答精度也有保证，如下从一千多个文件做知识问答，即便带有思考+规划+多轮检索：

从思考到完整回复完成，只有48秒：

以上GIF动画，未经任何加速处理， 完整保证1:1速度还原，就是让大家看到真实的回复速度。

一句话：LLM Wiki只是一个玩具，几十个文件导入回答没问题；但是再多，还得使用IMA，NotebookLLM，DeepLocals这样的RAG知识库。

3 DeepLocals的使用教程

DeepLocals第一个特色：支持本地电脑海量文件的学习，如下我的电脑6839个文件：

16个知识库，每个卡片就是一个知识库。

新建卡片，立即拥有1个知识库，点击进入就会看到下面界面：

DeepLocals第二个特色：一共支持多达55种文件类型，而NotebookLLM支持43种：

下一版我们会支持视频处理，格式种类将到达66种：

支持按照文件，文件夹，Obsidian笔记，智能学习四种模式。

导入你的资料后，就可以利用你的资料起来，做知识问答，如下图所示，支持图文回复：

图文回复演示2：

点击句子后面的引用，立即看到对应的证据，最大程度降低幻觉：

同时看到每次问答与引用文献的地图：

如下为最近5次问答的资料引用地图，点击节点可以跳转到对应问答和参考文献资料：

这是DeepLocals的第三大特色：图文回复+问答地图。

DeepLocals现在是RAG原生智能体+Skills，这是它的第四大特色，如下图所示，支持跨文件格式检索+直接导出多种文件格式：

导出Word文档：

除此以外，还有实用的十多个Skill，提升办公效率：

第五个特色支持本地大模型，使用安全，且免费：

且支持三种本地大模型主流配置模式：

你可以在本地不限次、一直对你的资料做知识问答，如下为Qwen3.8:27B思考过程：

部分回答：

最后总结一下

电脑里的文件越积越多，通用智能体很难按问题的意思从几千个文件里把答案找全，NotebookLM 就算开通 Pro，一个知识库也只能放 300 个文件。

DeepLocals 一张卡片就是一个知识库，能装几千个文件，支持 55 种格式，扫描件里的公式和表格也能基本保留；问答时图文回复，每句话都能点开引用查看证据，还有问答地图追溯每一次回答引用了哪些资料。

再加上 RAG 原生智能体、十多个 Skill 和本地大模型，资料一次导入，就能在自己的电脑上安全、不限次数地反复问答。