Bear Notes MCP Server with RAG

Bear Notes MCP 服务器与 RAG

想要通过 AI 助手提升你的 Bear Notes 体验吗？这款小工具使用语义搜索和 RAG（检索增强生成）技术，将你的个人知识库与 AI 系统连接起来。

我开发这个应用是因为我希望我的AI助手能够真正理解我的笔记内容，而不仅仅是进行简单的文本匹配。我自己都觉得，结果相当不错。

入门

设置很简单：

使脚本可执行（因为权限很重要）：

首先要做的事情：索引你的笔记

在深入研究之前，您需要创建笔记的矢量嵌入：

温馨提示：如果你像我一样是个笔记高手，这可能需要几分钟。它会把你所有的笔记转换成数学向量，从而捕捉它们的含义——真是个聪明的主意😉。

配置

更新您的 MCP 配置文件：

🚨记得将路径替换为你的实际安装位置。直接使用示例路径恐怕没什么好处。

有何特别之处？

• 语义搜索：基于语义而非关键词查找笔记。例如，如果您搜索“生产力系统”，即使笔记中不包含这些关键词，它也能找到您关于 GTD 和番茄工作法的笔记。
• RAG 支持：您的 AI 助手现在可以从您的笔记中提取相关内容，即使您没有明确提及它们。
• 全部本地处理：一切都在您的计算机上运行。无需任何数据离开您的计算机，无需 API 密钥，无需互联网依赖（初始设置后）。
• 优雅的回退：如果语义搜索因任何原因不可用，它将悄悄地回退到传统搜索。安全第一。

工作原理

巧妙之处

该服务器使用 Xenova 实现的 transforms.js 和 all-MiniLM-L6-v2 模型：

• 它创建 384 维向量来捕捉笔记的语义本质
• 所有处理均在您的机器本地进行
• 第一次启动时模型加载可能会有点慢，但之后就很快了

流程

1. 使用转换器模型，您的查询将被转换为向量
2. 该向量与笔记的预索引向量进行比较
3. 无论关键字是否完全匹配，都会返回具有相似含义的注释
4. 人工智能助手使用这些相关注释作为其回复的背景

项目结构

这里没有什么太复杂的：

人工智能助手可用的工具

连接到该服务器的AI助手可以使用以下工具：

1. search_notes ：查找符合查询的笔记
   • 参数： query （必需）、 limit （可选，默认值：10）、 semantic （可选，默认值：true）
2. get_note ：通过 ID 获取特定笔记
   • 参数： id （必填）
3. get_tags ：列出 Bear Notes 中使用的所有标签
4. 检索_for_rag ：获取语义上类似于查询的注释，专门为 RAG 格式化
   • 参数： query （必需）、 limit （可选，默认值：5）

要求

• Node.js 版本 16 或更高版本
• 熊掌记 macOS 版
• 兼容MCP的AI助手客户端

限制和注意事项

• 对 Bear Notes 的只读访问权限（我们不会修改您宝贵的笔记）
• 仅限 macOS（抱歉，Windows 和 Linux 用户）
• 如果你添加了大量新笔记，你需要使用npm run index重建索引
• 首次启动有点像等待水壶烧开，同时嵌入模型加载

故障排除

如果事情变得不对劲：

1. 仔细检查你的 Bear 数据库路径
2. 确保已使用npm run index运行索引过程
3. 检查 Bear Notes 数据库的权限
4. 验证服务器脚本是否可执行
5. 在日志中查找错误消息

如有疑问，请尝试将其关闭并重新打开。它的效果比我们愿意承认的要好得多。

执照

MIT（欢迎随意修改、分享和改进）