这届 AI 应用不太行？代码搜索成了刚需，open-glean 把答案开源了

这届 AI 应用不太行？代码搜索成了刚需，open-glean 把答案开源了

【免费下载链接】open-gleanAn open-source AI platform for knowledge work. Connect your apps, find answers, and get work done.项目地址: https://gitcode.com/gh_mirrors/op/open-glean

前阵子，36Kr 一篇《这届 AI 应用不太行》刷了不少人的屏。

评论区一片共鸣：AI 应用装了一屏幕，真正天天打开的没几个；聊两句挺新鲜，第三次就想不起来用它了。

但有意思的是，就在大家吐槽"AI 应用不行"的同时，另一类产品却在闷声收钱——企业搜索。

美国的 Glean，靠"帮公司找东西"这一件事，估值干到 70 亿美元上下，年经常性收入突破 1 亿美元，老客户的续费率还超过 120%。说白了：不光没人退订，还越买越多。

更有意思的是，最近开源圈冒出一个叫open-glean的项目，把这条路子直接摊开给你看：搜索、问答、知识图谱、连接器，全都开源。

它凭什么？

一、先说清楚：这玩意儿到底是个啥

一句话：它是给你自己（或者你的小团队）配的一个"过目不忘的图书管理员"。

你平时散落各处的笔记、PDF、网页收藏、Slack 聊天、Notion 文档、GitHub 上的 issue 和 PR，它都能收进来，整理成一个能直接提问的知识库。

你不用再翻文件夹、记文件名、想"这话我到底在哪儿看过"。直接一句话问过去：

"上周我在忙什么？" "Q3 规划文档帮我总结一下。" "预算这事儿谁在群里提过？"

它会先把相关资料找出来，再让大模型基于这些资料写答案，而且每一句都能点开看原文出处。

这里必须提醒一句，别被名字带偏：它和美国那家估值几十亿美金的 Glean 公司不是一回事，也不是官方开源版。它是一个独立的开源项目，底座用的是 Hydra DB，协议是 Apache-2.0，商用基本没门槛。

打个比方：Glean 是那家开在 CBD 的高端连锁餐厅，open-glean 更像把菜谱和后厨都公开了，你自己在家也能开一桌。

二、为什么"搜索"反而成了 AI 的刚需？

这两年大家默认 AI 就该是"聊天框"。但真用起来你会发现，聊天框有三个绕不过去的坎。

第一个坎：它敢瞎编。

问它一个具体问题，它答得头头是道，你一查，全是编的。而搜索不一样——搜索给你的是原文，出处摆在那儿，第几段第几句都能点开核对。

第二个坎：它不懂分寸。

公司内部文档，谁能看、谁不能看，是有规矩的。把整个知识库一股脑塞给大模型，等于把保险柜钥匙扔大街上。所以真正能落地的方案，一定是"先按权限检索，再让模型回答"。

第三个坎：它太费钱。

每次提问都把几十万字资料灌给模型，账单能吓死人。而"先精准捞出相关的几段，再交给模型写"，成本能差出好几倍。

所以你看，AI 想干活干得漂亮，靠的不是嘴皮子，是**"查得准"**这项基本功。

代码搜索就是最典型的例子。程序员找一段实现、找一个接口、找"这行是谁改的"，本质都是确定性查询——要的是准，不是文采。这也是为什么 Cursor、Copilot 这类工具，背后都藏着一套强大的代码检索。AI 想替你写代码，第一步得先读懂你的仓库。

open-glean 接的 GitHub、GitLab、Jira、Confluence 这些连接器，就是干这个的：把代码之外的 PR 讨论、需求文档、故障记录一起捞进来，让"为什么这么改"也能被搜到。

三、它到底能干啥？三个最实用的地方

① 提问就有答案，答案带"小票"

回答里会冒出[1]、[2]这样的角标，点一下，右边就弹出对应的资料卡片，再点能看原文片段，甚至跳到原文件。

更较真的是：模型引用的编号，和你看到的卡片编号，是同一套。不会出现"它说第 7 条，你翻半天只有 4 张卡"这种糟心事。

② 遇到大问题，它会自己拆活儿

普通问答是"一问一答"。它多了个"深度研究"模式：把一个大问题拆成最多 8 个小问题，按依赖关系分几层，能并行的并行去查，最后把重复的来源合并成一份编号清单，再统一写答案。

界面还会直播进度，跑完给你一行小结：

研究了 23 秒 · 8 个问题 · 28 个来源

像不像一个刚熬完夜、把资料摊了一桌子给你汇报的实习生？

③ 八十多个应用，点几下就能接

Slack、Notion、Gmail、Google Drive、Confluence、Jira、Salesforce、飞书之外的 Zoom、Stripe、Zendesk……仓库里躺着八十多个应用图标，接上就开始自动同步。

它还自带一张"关系地图"：把你的文档、人、项目之间的关联画成一张可缩放的知识网络。谁和谁有关系、这件事牵扯到哪些资料，一眼看明白。

另外，它不绑死模型。OpenAI 接口的都能用，OpenRouter 上一堆模型随便挑，想省钱接本地跑的模型也行。

四、普通人能玩得动吗？门槛比想象中低

不用显卡，不用服务器集群，浏览器打开就能用。

部署也就两条路：一条是本地跑起来，一条是 Docker 一行命令起个服务。真正要准备的只有两把"钥匙"：

一把是 Hydra DB 的 API Key，负责存储和检索； 另一把是大模型的 Key，负责把资料写成通顺的答案。

而且第二把是可选的——不配模型，它也照样能搜，只是不帮你写总结。这对只想"快速找到那份文件"的人来说，已经够了。

关于安全，有个细节挺加分：你的密钥不会塞进浏览器缓存里，而是加密后存在服务端的会话中，并且"绑死"在你填的那个接口地址上，防止有人把你的密钥偷偷转发到别处。项目里还专门做了防护，避免有人借"导入网页"的功能去访问内网地址。

这一点，比那些把 API Key 直接写在前端代码里的"套壳应用"，靠谱不止一个档次。

适合谁？

• 小团队：把散在各处的文档、群聊、工单汇成一个能问的库；
• 自媒体/研究者：素材、剪藏、灵感，问一句就翻出来；
• 程序员：查历史决策、查接口、查"这坑以前谁踩过"；
• 学生：论文、笔记、课件，考前突击直接提问。

五、也说点冷静的

它不是"下载就能用的 App"。要自己部署、要申请 Key，对完全不懂技术的人还是有点门槛。

它的聪明程度，取决于你喂了什么。库里全是三年前的过期文档，它也只能一本正经地引用过期文档——垃圾进，垃圾出，这条铁律谁都逃不掉。

它也不是代码补全工具，别指望它替你敲代码。它干的是另一件事：让你查得到、看得懂、说得清出处。

六、写在最后

"这届 AI 应用不太行"这话，对了一半。

不行的，是那些只会聊天、没有数据、没有权限、没有出处的"演示型应用"。

真正活得好的，是那些埋头搭地基的：把资料接进来、把索引建起来、把权限管起来、把出处标出来。等这层地基铺好了，上面的应用才站得住。

open-glean 的价值，不在于它多惊艳，而在于它把这条路——先检索，再回答，答案必须能追溯——完整地开源给你看了一遍。

最后抛个问题给大家：

如果只能选一个，你更想要"啥都能聊、但经常一本正经胡说八道"的 AI，还是"只答你知道的、但每句话都能点开原文核对"的 AI？

评论区聊聊，你被 AI 瞎编坑过最惨的一次是什么。

【免费下载链接】open-gleanAn open-source AI platform for knowledge work. Connect your apps, find answers, and get work done.项目地址: https://gitcode.com/gh_mirrors/op/open-glean