OlympHill
L

localGPTΙδιωτική, offline συνομιλία με έγγραφα, powered by local LLMs στον δικό σας εξοπλισμό.

4.7 (6)
Daniel NikulshynΑξιολογήθηκε από Daniel Nikulshyn·Ενημερώθηκε Μάιος 2026

Επισκόπηση

Το localGPT είναι ένα ανοιχτού κώδικα έργο που επιτρέπει να κάνετε ερωτήσεις για τα δικά σας έγγραφα χρησιμοποιώντας μεγάλα μοντέλα γλώσσας, με όλη την επεξεργασία να γίνεται στον τοπικό σας υπολογιστή. Κρατώντας τα embeddings, το vector storage και την inference εκτός σύνδεσης, εξαλείφει την ανάγκη αποστολής ευαίσθητων αρχείων σε υπηρεσίες cloud τρίτων. Το εργαλείο διαβάζει κοινά μορφότυπα εγγράφων, τα χωρίζει και ενσωματώνει το περιεχόμενο σε μια τοπική βάση δεδομένων διανυσμάτων, και στη συνέχεια χρησιμοποιεί ένα επιλεγμένο LLM για να δημιουργήσει επιβεβαιωμένες απαντήσεις βασισμένες σε αποκτηθέντα αποσπάσματα. Υποστηρίζει επιτάχυνση GPU σε NVIDIA, Apple Silicon και εγκαταστάσεις μόνο CPU, καθιστώντας το προσαρμόσιμο σε μια ποικιλία υλικού. Είναι ιδανικό για προγραμματιστές, ερευνητές και χρήστες που νοιάζονται για την ιδιωτικότητα και επιθυμούν μια αυτοεξυπηρετούμενη εναλλακτική λύση στα εργαλεία Q&A για έγγραφα βασισμένα στο σύννεφο, ενώ ταυτόχρονα αισθάνονται άνετα στη χρήση της Python και των περιβαλλόντων γραμμής εντολών.

Βασικές λειτουργίες

  • Αυξημένη δημιουργία με αναζήτηση σε τοπικά αρχεία
  • Τοπική βάση δεδομένων διανυσμάτων για embeddings
  • Υποστήριξη για PDFs, κείμενα και έγγραφα office
  • Προσαρμόσιμες επιλογές LLM και embedding μοντέλων
  • Προαιρετική επιτάχυνση GPU
  • Γραμμή εντολών και βασικό web interface

Τιμές

Μοντέλο
Freemium
Βαθμολογία
4.7 / 5 (6)

Περιπτώσεις χρήσης

Ιδιωτικές ερωτήσεις & απαντήσεις σε Εμπιστευτικά Έγγραφα

Εκτελέστε ερωτήσεις σε ευαίσθητες σύμβαση, αναφορές ή εσωτερικά αρχεία εξ ολοκλήρου offline, εξασφαλίζοντας ότι καμία δεδομένα δεν αποβάλλεται από την συσκευή σας, ενώ εξακολουθείτε να λαμβάνετε βασισμένες σε LLM απαντήσεις.

Εκτός σύνδεσης Βοηθός Έρευνας

Οι ερευνητές μπορούν να ενσωματώσουν PDFs και εργασίες σε τοπική αποθήκη διανυσμάτων και να υποβάλουν ερωτήματα για ανάκτηση και συνένωση πληροφοριών χωρίς να εξαρτώνται από cloud APIs.

Αυτο-φιλοξενημένη βάση γνώσεων για προγραμματιστές

Οι προγραμματιστές μπορούν να δημιουργήσουν ένα προσαρμόσιμο RAG pipeline πάνω σε τεχνικά έγγραφα, επιλέγοντας τα προτιμώμενα LLM και embedding μοντέλα στον δικό τους εξοπλισμό GPU ή CPU.

Τοπικοί AI ροές εργασίας με Apple Silicon

Οι χρήστες σε Macs της σειράς M μπορούν να εκτελέσουν συνομιλία με έγγραφα με τοπική επιτάχυνση GPU, εξερευνώντας τις δυνατότητες LLM χωρίς συνδρομές ή εξωτερικές υπηρεσίες.

Υπέρ και κατά

Υπέρ

  • Εκτελείται εντελώς offline για ισχυρή προστασία δεδομένων
  • Open source και self-hostable
  • Υποστηρίζει πολλαπλά μορφότυπα εγγράφων
  • Λειτουργεί με διάφορα τοπικά LLMs και embeddings
  • Συμβατό με GPU, CPU και Apple Silicon

Κατά

  • Απαιτεί τεχνική εγκατάσταση και εξαρτήσεις
  • Η απόδοση εξαρτάται από το τοπικό υλικό
  • Δεν υπάρχει polished hosted UI out of the box
  • Μικρότερα τοπικά μοντέλα μπορεί να δώσουν πιο αδύνατες απαντήσεις

Ρεκόρ μαχών

Σε 1 μάχη στο Πάνθεον.

0
1ος
0
2ος
0
3ος

Last battle

Κριτικές

4.7

Μέσος όρος από 6 βαθμολογίες.

5
4
4
2
3
0
2
0
1
0

Σύνδεση για κριτική.

NP

Nadia Petrova

Mar 6, 2026

Compared a few options

Evaluated this against two competitors. Where it wins: optional GPU acceleration and supports multiple document formats. Where it lags: smaller local models may give weaker answers. On balance the feature set — especially local vector database for embeddings — justifies the 5 stars for our use case.

Tomáš Novák

Tomáš Novák

Mar 1, 2026

Use it every day

Honestly didn't expect to like it this much. Command-line and basic web interface is exactly what I needed, and supports multiple document formats. I do wish no polished hosted UI out of the box, but I reach for it almost every day now and it just clicks.

DW

Devin Walker

Feb 27, 2026

Compared a few options

Evaluated this against two competitors. Where it wins: retrieval-augmented generation on local files and works with various local LLMs and embeddings. Where it lags: no polished hosted UI out of the box. On balance the feature set — especially command-line and basic web interface — justifies the 5 stars for our use case.

MB

Marcus Bell

Jan 3, 2026

Years in this space

I've evaluated a lot of these over the years. What stands out here is retrieval-augmented generation on local files — handled better than most — and supports multiple document formats. Performance depends on local hardware is my one real gripe. Worth the time if this is your use case.

AK

Aisha Khan

Dec 7, 2025

Use it every day

Honestly didn't expect to like it this much. Optional GPU acceleration is exactly what I needed, and gPU, CPU, and Apple Silicon compatible. but I reach for it almost every day now and it just clicks.

Daniel Schmidt

Daniel Schmidt

Jul 26, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on command-line and basic web interface, and supports multiple document formats caught me off guard. Performance depends on local hardware is why this isn't a perfect score, still, I'd recommend giving it a real trial.

Ερωτήσεις

What file types does localGPT support for ingestion?

It can process common formats such as PDFs, plain text files, and Microsoft Office documents, automatically splitting and embedding their contents for retrieval‑augmented generation.

Asked by Malik Rasheed · Sep 25, 2025

Is any data sent to external services when I query documents?

No. All document ingestion, embedding, vector storage, and answer generation happen locally, so sensitive files never leave your hardware.

Asked by Piotr Baranowski · Aug 13, 2025

Can I use my own LLM or embedding model with localGPT?

Yes, the tool is configurable; you can plug in any compatible local LLM and choose from various embedding models, allowing you to balance cost, speed, and answer quality.

Asked by Marisol Pena · Jun 27, 2025

What hardware do I need to run localGPT effectively?

localGPT can run on NVIDIA GPUs, Apple Silicon, or CPU‑only machines; GPU acceleration speeds up embedding and inference, but you can still use it on standard laptops with only a CPU, though performance will be slower.

Asked by Liam O’Connor · Jun 21, 2025

Κάνε μια ερώτηση

Εναλλακτικές για Μηχανικά Πρόσωπα

Zapier's Agents logo

Zapier's Agents

Μηχανικά Πρόσωπα

Πράκτορες με τεχνητή νοημοσύνη που αυτοματοποιούν ροές εργασίας σε περισσότερα από 7.000 συνδεδεμένες εφαρμογές

5.0 (6)
Freemium
NexusGPT logo

NexusGPT

Μηχανικά Πρόσωπα

Πλατφόρμα χωρίς κώδικα για δημιουργία και ανάπτυξη προσαρμοσμένων agents τεχνητής νοημοσύνης για αυτοματοποίηση επιχειρηματικών ροών εργασίας.

5.0 (6)
Freemium
AgentForge logo

AgentForge

Μηχανικά Πρόσωπα

Πλαίσιο low-code για τη δημιουργία αυτόνομων αυτομάτων ΑΙ και κογχητικών αρχιτεκτονικών

5.0 (6)
Freemium
Maps Scraper AI logo

Maps Scraper AI

Μηχανικά Πρόσωπα

Ένα εργαλείο με τεχνητή νοημοσύνη που αυτοματοποιεί την εξαγωγή επιχειρηματικών δεδομένων από το Google Maps, ενισχύοντας την παραγωγή πελατών και την έρευνα αγοράς.

5.0 (6)
Freemium
M

Momentic AI

Μηχανικά Πρόσωπα

Γράψτε, διορθώστε και εκτελέστε τεστ λογισμικού με απλές αγγλικές προτάσεις

5.0 (6)
Freemium
Micro Agent logo

Micro Agent

Μηχανικά Πρόσωπα

Πρόγραμμα AI για κώδικα που επαναπροσαρμόζει μέχρι να περάσουν οι δοκιμές σας

5.0 (6)
Freemium
Mogoj AI logo

Mogoj AI

Μηχανικά Πρόσωπα

Βελτιστοποίηση ροής εργασίας και αυτοματοποίηση επιχειρηματικών διαδικασιών με AI

5.0 (6)
Freemium
Charisma.ai logo

Charisma.ai

Μηχανικά Πρόσωπα

Εμπλοκημένη επικοινωνιακή AI για διαδραστικούς故ρα, εκπαίδευση και εκστρατείες μάρκετινγκ

5.0 (6)
Freemium