Star 数近6万，安装只要一条pip命令

你是不是也这样？用某付费知识库工具，每次改个PDF、删个Excel，就得手动点「重新上传」再等几分钟索引——中间有人来问，你只能回：“刚改过，还没同步，稍等。”

有些工具连“稍等”都说不出口：它压根没通知机制，你得自己记得去点、去等、去查，一不小心就答错了。

其实，真有东西能做到：你保存文档的瞬间，后台就悄悄更新了答案。不是“稍后同步”，是“秒级生效”。

它不依赖定时扫描，也不靠你手动触发。只要文件系统里那个.md文件被保存，或者新PDF被拖进文件夹，底层引擎立刻捕获变更，重新解析、重新嵌入、重新更新向量索引——整个过程在几秒内完成。

这个“几秒”，是真实响应时间，不是界面轮询间隔。它基于文件系统事件（inotify on Linux, FSEvents on macOS），不是每30秒扫一次目录。

它替你省掉了什么

它不直接对标某个具体收费软件，但干的是三类人正在掏钱干的事：企业用的私有知识库SaaS、咨询公司搭的定制RAG服务、还有个人买的各种AI文档助手会员。

编辑一个文件，答案跟着变，不是“等会儿”，是“现在”。

比如某知名知识库平台，基础版每月30美元起，按文档量或API调用量额外计费；而 serviette 本身完全免费，唯一可能花钱的地方，是你自己选的模型API（比如OpenAI），但只按问题次数扣，不按文档数量收。

价格直接砍到零。

它省掉的不只是钱。你还省掉了「索引状态面板」，那种永远显示“处理中（72%）”的页面；省掉了「上传失败重试」弹窗；省掉了把Word转成PDF再上传的多余步骤；也省掉了每次改完文档后，对着同事说“我刚更新了，你再问一遍试试”的尴尬。

主要能干这几件事

把本地文件夹变成可提问的知识库：丢一堆PDF、Word、Markdown进去，不用转格式、不用切段落，serviette 自动解析并建立索引。改完文档保存，几秒内新内容就能被问到。它用的是 Apache Tika 和 unstructured.io 的解析器组合，能正确提取表格、标题层级和列表结构，不是简单扔进OCR。
换数据库不用重做：它支持8种向量数据库，从轻量级的SQLite、Chroma，到企业级的PostgreSQL、Milvus。换一个，改一行YAML配置就行，旧数据不用迁移、不用导出导入。配置项叫 vector_db.type，值填 sqlite 或 postgres 即可生效。
回答带出处，谁都能验证：每次回复下面都附带引用来源，精确到文件名和段落位置。老板问“这结论哪来的”，你直接截图发过去，不用翻半天。引用格式是标准 Markdown 链接，点击能跳转到原始文档对应位置（如果该文件仍存在且可访问）。
嵌入计算可全本地：不想把文档发给云端API？用内置的本地embedder（比如all-MiniLM-L6-v2），全文本、embedding、索引全部留在你自己的Linux机器上，不走外网。模型权重通过 Hugging Face Hub 下载，首次运行时自动缓存到 ~/.cache/huggingface/transformers。
接口干净，前端随便接：自带HTTP REST API，返回标准JSON，前端工程师拿curl试两下就能联调；也自带一个简洁网页聊天界面，开箱即用，不装浏览器插件、不注册账号。API端点是 /v1/chat 和 /v1/query，请求体是纯文本，响应含 answer、citations 和 retrieved_chunks 字段。
数据全程不出你的电脑。默认配置下，所有解析、嵌入、索引、检索都在本地进程完成。只有当你显式配置了 llm_provider: openai 并提供密钥时，才将召回的片段发送至 OpenAI 接口生成最终回答。

三步上手

去官网免费领一个Pathway许可证（点一下GitHub或LinkedIn登录就行），复制好KEY；这个KEY有效期一年，续期也是点一下。
在Linux终端里运行三行命令：pip install serviette → export PATHWAY_LICENSE_KEY=你刚复制的KEY → export OPENAI_API_KEY=你自己的OpenAI密钥（或跳过这步用本地模型）；注意第二步必须在当前终端生效，新开窗口要重新设置。
最后执行 serviette demo –embedder openai，浏览器打开 http://localhost:8989 就能开始聊，整个过程不需要改任何代码，也不用碰YAML文件。demo 模式会自动生成配置、下载示例文档、启动服务，适合第一次体验。