OmniBox

OmniBox是什么？

OmniBox是一款开源AI驱动的一站式知识管理与认知助手，核心目的是解决信息收集碎片化、知识可复用率低的问题，解决信息的收集、文件解析、知识整理、智能问答和内容写作等全流程需求。OmniBox 既支持本地部署，也支持二次开发，它既可以满足个人的知识管理，也可以服务企业团队的协作需求，把用户的信息资产变成可高效调用的知识资产。

OmniBox的主要功能

• 多渠道一键内容收集：可以通过浏览器提供的插件一键将网页、博客、推文等网上信息整合存入号标位置，本地化可保存指定局部截图、可编辑快照文档，并完整保留原文格式及排版等信息，一键上传本地文件、收集各类信息，如网页上信息、本地文件、音视频链接等，将分散各处的信息统一归集。
• 全格式文件智能解析：支持PDF、Word、PPT、Markdown、音频、视频等文档格式，把文件上传后自动解析为可编辑的文本；音视频格式可以自动转文字笔记，并且可自动生成时间戳，无须额外转格式。自主研发混合解析引擎、向量索引，几段几百页的 PDF 文档、长文本中也能实现跨页、跳页的内容相关、极速检索，解决传统工具 “上下文断裂” 的问题。
• 高效知识组织与检索：自带自定义标签，可归集的内容自定义标签分类管理，有筛选、分类等各类管理操作；自带语义搜索功能，使用描述性语言搜索时，不用关键词搜索内容，按图索骥找到想要内容，自动关联内容的相关知识。解析内容直接存结构化信息，自动提取标题、主要观点等信息，生成知识图谱式的相关链接，方便挖掘信息背后的联系。
• 智能问答与内容创作：基于知识库内容智能问答服务，答案带上引用信息，点击可以跳转到对应的原文内容，不会有 AI 写内容的“虚构”的问题；还能辅助创作，调用知识库内容生成报告、周报、综述等内容，引用格式自动排版等，提高写作文案的效率。
• 开源与本地化部署：代码彻底开源在 GitHub，可进一步对该框架进行二次开发使用，自定义开发功能，自定义支持模型。支持本地部署与内网离线运行，内置 ollama、LLaMA 等开源大模型，解析、检索、问答等全过程完全本地完成，保证数据安全和隐私，适用于企业机密、敏感数据等。

适用场景

• 内容创作者 / 自媒体人：快速地搜集行业数据、整理资料，利用 AI 生成内容的撰写能力完成文稿的草稿，利用来源追溯功能提升文中引用内容的合法性，提升内容撰写的速度和质量。
• 科研 / 学术工作者：管理繁杂的文献、论文、实验数据，进行语义化搜索定位内容观点、数据，辅助撰写文献综述、论文报告，解决查找长文本的效率低下等问题。
• 职场办公人群：：把会议发言总结、整理工作的文本和项目资料，建立自己的工作知识库；一键生成周报、竞品分析报告，自动引用以及备份的资料内容，省时省力地整理信息。
• 学生群体：收集网课的视频、笔记、教材，直接用 OmniBox 里问答的功能来梳理知识，回答学习疑问；用时间戳重温视频中的重点，用来温故考试。
• 企业团队协作：搭建团队共享的资料库来存储项目的资料、会议资料、政策报告等等，可根据需要自由设置资料的权限；多人协作编辑、多人问答，方便跨部门、跨团队之间进行沟通交流，对企业封闭性需求较多。

OmniBox怎么使用？

OmniBox官网入口链接：https://www.omnibox.pro/

一、普通用户（网页端 + 浏览器扩展，无需技术基础）

1. 访网站打开工作台，或者浏览器的扩展插件商店上下载安装 OmniBox 扩展程序。
2. 收集内容：点击扩展图标一键收藏网页 / 推文，或者自己划出一定区域去除无相关性信息；也可以直接拖拽从本地拖入网站（PDF、Word、音视频文档等）上传，拖入的音视频可以自动转文字打上时间节点字幕。
3. 整理知识：给记下来的这些内容加一些自定义的标签（比如“AI 学习”、“工作周报”），可加多个标签分类；语义搜索框里完整地输入问答问题（比如“LLM 和 Agent 的区别”），快速搜寻出相关的信息。
4. 智能使用：在对话框中直接输入问题能带来带着出处的答案信息，点击出处就可以回原文；里面输入需求（比如“写一篇关于 RAG 技术科普的文”），系统知道要你用啥素材，会自动生成原文初稿等。

二、开发者（本地化部署，适合数据私有化需求）

1. 准备环境：安装 Docker Desktop，确保磁盘空间≥30GB。
2. 下载部署：从GitHub上拉取OmniBox源码，通过Python创建一个虚拟环境安装 requirements.txt 中的 Python 依赖包。
3. 配置启动：下载权重文件放入合适的位置，执行脚本 python -m omniparserserver。
4. 本地访问：打开浏览器输入默认地址 http://localhost:8006 即可启动私有版本 。