AtlasOrc：面向本地大模型的RAG知识库与智能体编排系统

AtlasOrc是一个完全本地运行的检索增强生成系统，支持文档、YouTube视频和网页内容构建私有知识库，通过REST API、CLI和浏览器仪表板提供查询服务，无需云端依赖。其核心诉求是满足用户对数据隐私和本地化部署的需求，所有数据处理、向量存储和模型推理均在本地完成。

在AI应用普及的今天，数据隐私和本地化部署成为用户核心诉求。AtlasOrc以"本地优先"为核心理念，区别于依赖云端API的解决方案，所有操作均在用户本地机器完成，确保敏感信息不离开本地网络，适合隐私敏感场景和离线环境。

AtlasOrc采用分层架构：嵌入模型层使用nomic-embed-text（Ollama运行）；大语言模型层默认qwen3:8b（Ollama部署）；向量存储层用ChromaDB；API服务层基于FastAPI；用户界面层为单文件HTML仪表板。各组件松耦合，支持定制扩展。

系统支持多来源内容摄取：文档处理（PDF、Word等自动提取分块）、YouTube视频转录（获取字幕纳入知识库）、网页内容提取（过滤无关元素抓取主要内容），帮助用户整合多类型资料。

内置文件监控模块实时处理新文件；提供状态查询和日志功能；可选扩展包括Cloudflare隧道实现远程访问、n8n工作流集成拓展自动化场景。

部署步骤：安装Ollama并拉取模型、安装Python依赖配置API密钥、创建目录；使用方式：浏览器打开单文件仪表板，输入密钥后可进行内容摄取和智能查询。

适用于个人知识管理、团队文档检索、离线技术查询、敏感数据问答等场景；开源特性支持深度定制，代表AI工具"智能体验+数据控制"的未来方向。