L

localGPTMagán, leállított dokumentum-konvenciós beszélgetések a saját hardvereden futó lokális LLM-k segítségével.

4.7 (6)
Daniel NikulshynÉrtékelte Daniel Nikulshyn·Frissítve 2026. május

Áttekintés

A localGPT egy nyílt forráskódú projekt, amely lehetővé teszi a saját dokumentumokról a nagy nyelvi modelleket kérdezését, mivel minden feldolgozás a lokális gépen történik. A fájlszkenárióképek, vektormegőrzés és a következtetés offline-ban történnek, így nem kell érzékeny adatokat küldenie a harmadik fél cloud szolgáltatásaira. A eszköz gyakori dokumentumformátumokat fogyaszt el, felválasztja és elhelyezi a tartalmat egy lokális vektoradatbázisba, majd egy kiválasztott LLM használatával megtalált szövegrészek alapján generált, alátámasztott válaszokat hoz létre. Támogatja a NVIDIA, Apple Silicon és CPU egyedülálló konfigurációkon való gyorsítást, így alkalmazkodik a különböző hardverekhez. Legjobban az olyan fejlesztőknek, kutatóknak és privát megfontolású felhasználóknak fejlesztették ki, akik magánhálózaton futó dokumentum Q&A keretrendszert keresnek, ami eltér a felhőalapú dokumentum Q&A eszközöktől, és komfortosan működnek a Pythonnal és a parancssor-környezettel.

Fő funkciók

  • A leállított fájlok feletti kereső- és generáló kombinálása
  • Helyi vektor adatbázis a beágyazáshoz
  • PDF-k, szövegek és iroda dokumentumok támogatása
  • Konfigurálható LLM- és beágyazási modell kiválasztás
  • Opciók léteznek a vektoros gyorsításra
  • Parancssor és alapvető webes felület

Árazás

Modell
Freemium
Kategória
AI Ügynökök
Értékelés
4.7 / 5 (6)

Felhasználási esetek

Zárt kapu kérésekre biztonságosan

Lehessen kérdezni bizalmas szerződésekről, beszámolókról vagy belső dokumentumokról leállított módon, teljesen biztosan arra, hogy a leállított információt senki se kapják meg, szemben a leállított LLM generálásában elért gyors válaszokkal.

Leállított kutatói asszisztens

Kutatók PDF-ekkel és cikkekkel tárolhatják be a lokális vektor tárolóba kérdezve a hozzáféréshez szükség van biztosítani a válaszok nélküli információ feldolgozhatóság nélküli nélkül, a külső forrásokra nincs szükség

Saját ágyazott Tudásközpont fejlesztők részére

Fejlesztők tudományos dokumentumokon működő, ágyazott KAP-csapkák létrehozhatnak, melyeket leállított módon választott LLM, beágyazási modellek mossa majd végig.

Leállított, Apple Silicon AI munkafolyamatok

M-sorozatú MacBook rendszereken leállított módon fut az adatbázisok gyorsítása leállított módon, leállított módon végzik a kapcsolatot a LLM-vel.

Előnyök és hátrányok

Előnyök

  • Teljesen leállított futtatás adatainak nagyobb biztonságáért
  • Nyílt forráskód és leállított telepítés
  • Még több dokumentum formátum támogatása
  • Lokális LLM-kkel és beágyazással működik
  • GPU, CPU és Apple M-alapú rendszerekkel kompatibilis

Hátrányok

  • Technikai konfiguráció és függőségek szükségesek
  • A teljesítmény a helyi hardveren múlik
  • Nincs finomított leállított UI
  • Kisebb leállított modellek a gyengebb válaszokat adhatják

Csata rekord

1 csatában a Pantheonban.

0
1.
0
2.
0
3.

Last battle

Értékelések

4.7

Átlag 6 értékelésből.

5
4
4
2
3
0
2
0
1
0

Jelentkezz be értékelés írásához.

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.

Kérdések

Milyen fájlformátumokat támogat a localGPT az ingestionra?

Ezek közé tartoznak a közismert formátumok, például a PDF-k, szöveges fájlok és az Microsoft Office dokumentumok, amelyek automatikusan kiszerelik, belekapcsolják, majd visszakereshetővé alakítják tartalmukat.

Asked by Malik Rasheed · Sep 25, 2025

Amikor dokumentumokat keresünk, akkor bármilyen adat eljuttatódik külső szolgáltatásokhoz?

Nem. Az összes dokumentumbevitel, elhelyezése, vektor tárolás és válaszgenerálás megtörténik lokális szinten, így bizalmas fájlok soha nem távoznak a hardveredről.

Asked by Piotr Baranowski · Aug 13, 2025

Képesek vagyok-e saját LLM-jét vagy feldolgozómodelljeimet használni a localGPT-vel?

Igen, a tool konfigurálható, így bármilyen kompatibilis LLM-t be lehet kapcsolni és választható a számos feldolgozómodell közül, így lehetővé tesszük a költség és a sebesség és a válaszminőség egyensúlyba hozását.

Asked by Marisol Pena · Jun 27, 2025

Mitől függ, hogy hatékonyan működjen a a localGPT?

A localGPT működhet NVIDIA-gyorsító chipen, Apple Silicon-on vagy CPÚ-nak csak készüléken; a gyorsítás sebességalapu számítógépeken gyorsítja a beágyazást és az előrejelzést, viszont még mindig tudja használni a standard laptopokat azzal, hogy csak CPÚ-val rendelkeznek, bár a teljesítmény lassabb lesz

Asked by Liam O’Connor · Jun 21, 2025

Kérdezz

AI Ügynökök alternatívái