🔒 100% Offline · Deine Daten bleiben auf deinem Rechner

Deine eigene KI.
Trainiert mit deinem Wissen.

Lade Dokumente hoch, füge Links ein – und chatte mit einer KI, die ausschließlich auf deiner Wissensbasis antwortet. Kein Cloud, kein Abo, keine Grenzen.

customrag — bash
$ ./Start-Linux.sh
Python 3.12 gefunden
GTK3 + PyGObject installiert
Ollama läuft · Modelle: qwen2.5-coder:7b
🧠 9.482.016 Chunks in Wissensbasis
Bereit. Starte GUI…

Alles was du brauchst.

Von der Dokumentensammlung bis zum intelligenten Chat – eine integrierte Plattform für dein persönliches KI-Wissen.

📄

Dokumente & Links

Lade PDFs, Textdateien hoch oder füge Web-Links ein. CustomRAG extrahiert und indexiert den Inhalt automatisch.

🔐

100% Offline & Sicher

Alles läuft lokal auf deinem Rechner. Keine Cloud, keine API-Keys, keine Daten die dein System verlassen.

🧠

RAG-Technologie

Retrieval-Augmented Generation: Die KI antwortet nur basierend auf deinem tatsächlichen Wissen – keine Halluzinationen.

💬

Intelligenter Chat

Frage die KI zu deinen Dokumenten. Mit Quellen-Anzeige, Code-Modus, Review und Sicherheits-Audit.

📚

Mehrere Wissensdatenbanken

Erstelle separate Datenbanken für verschiedene Projekte und wechsle nahtlos im Chat zwischen ihnen.

Flexible Modelle

Vom kleinen Laptop-Modell (1B) bis zum Workstation-Mastermind (32B) – wähle das passende KI-Modell für deine Hardware.

🌐

Mesh-Netzwerk

Rechner im LAN helfen sich gegenseitig – automatisch. Nur idle Nodes teilen Arbeit. Gaming oder Arbeiten? Kein Sharing.

🔄

Auto-Updates

Integrierter Update-Server und -Client. Neue Versionen werden beim Start erkannt und mit SHA256-Verifikation installiert.

Was du vorher brauchst.

CustomRAG nutzt Ollama als lokale KI-Engine. Die Installation dauert nur wenige Minuten.

⚠️ Erforderlich

🦙 Ollama – Lokale KI-Engine

Ollama führt KI-Modelle direkt auf deinem Rechner aus – ohne Cloud, ohne API-Key. CustomRAG nutzt Ollama, um auf Basis deiner Wissensdatenbank intelligente Antworten zu generieren.

# Ein Befehl – installiert alles automatisch
curl -fsSL https://ollama.ai/install.sh | sh

# Danach ein KI-Modell herunterladen:
ollama pull qwen2.5-coder:7b # Empfohlen (4.7 GB)
ollama pull llama3.2:3b # Für schwächere PCs (2 GB)
# Via Homebrew:
brew install ollama

# Oder direkt von der Website herunterladen:
https://ollama.ai/download/mac

# KI-Modell laden:
ollama pull qwen2.5-coder:7b
# Installer herunterladen:
https://ollama.ai/download/windows

# Nach Installation: PowerShell öffnen und Modell laden:
ollama pull qwen2.5-coder:7b
→ ollama.ai – Offizielle Website
⚠️ Erforderlich

🐍 Python 3.10+

Python wird für die RAG-Pipeline, Embeddings und die GUI benötigt.

# Prüfen:
python3 --version

# Falls nicht installiert:
sudo apt install python3 # Linux
brew install python3 # macOS
python.org/downloads # Windows
✅ Optional

🖥 GTK3

Für die grafische Oberfläche. Wird vom Starter-Skript automatisch installiert (Linux/macOS).

# Linux (automatisch via Starter):
sudo apt install python3-gi gir1.2-gtk-3.0

# macOS:
brew install pygobject3 gtk+3

In 4 Schritten zur eigenen KI.

Kein Vorwissen nötig. Die Starter-Skripte erledigen die gesamte Installation automatisch.

1

Herunterladen & Starten

Lade das Paket für dein Betriebssystem herunter und führe das Starter-Skript aus. Alle Abhängigkeiten werden automatisch installiert.

2

Ollama installieren

Installiere Ollama für lokale KI-Modelle. Ein Befehl genügt: ollama pull qwen2.5-coder:7b

3

Wissen hochladen

Lade PDFs, Textdateien hoch oder füge Web-Links ein. Klicke auf „Trainieren" – die KI indexiert alles automatisch.

4

Chatten

Öffne den Chat und stelle Fragen zu deinen Dokumenten. Die KI antwortet mit Quellenangaben und ohne Halluzinationen.

Ökosystem für lokale KI.

Zwei Werkzeuge, eine Vision: KI die dir gehört. Beide nutzen Ollama als Engine – installiere es einmal, nutze beides.

📚 Wissensbasis
🧠

CustomRAG

Trainiere eine KI mit deinem Wissen

  • 📄 Dokumente, Links & PDFs hochladen
  • 🔍 RAG-Suche mit Quellenangaben
  • 🌐 Wikipedia, Stack Exchange Auto-Crawling
  • 🛡️ Multi-Layer Safety Filter
  • ⚡ Mesh-Netzwerk für LAN-Sharing
  • 💻 Standalone GUI (GTK3)
PythonLanceDBGTK3Ollama
⬇️ CustomRAG herunterladen
🖥️ Code-Agent

Local Coder AI

Agentic Coding direkt in VSCode

  • 🧠 Architect → Coder → Reviewer Pipeline
  • 📁 Liest & schreibt deine Dateien direkt
  • 🔍 Nutzt die RAG-Wissensbasis als Kontext
  • 🛡️ Enterprise Audit-Logging
  • 🎯 Auto-Modellwahl nach Hardware
  • 🔌 VSCode Sidebar-Extension
VSCodeNode.jsOllamaRAG-API
⬇️ Local Coder herunterladen
🔗 Intelligent verbunden

Local Coder greift automatisch auf die CustomRAG-Wissensbasis zu – dein gesammeltes Wissen fließt direkt in Code-Vorschläge ein. Beide Produkte funktionieren aber auch unabhängig voneinander.

Bereit für dein System.

🧠 CustomRAG Wissensbasis + Chat

⬇️ CustomRAG v2.1.0 (ZIP · ~96 KB)

Wissensdatenbank, Collector, Chat-GUI, Mesh-Netzwerk, Auto-Updater. Abhängigkeiten werden automatisch installiert.

🐧

Linux

Ubuntu, Debian, Fedora, Arch

unzip CustomRAG.zip
cd rag-custom-knowledge
chmod +x Start-Linux.sh
./Start-Linux.sh
🍎

macOS

macOS 12+ · Intel & Apple Silicon

unzip CustomRAG.zip
cd rag-custom-knowledge
Doppelklick auf Start-Mac.command
🪟

Windows

Windows 10/11 · Python + MSYS2

ZIP entpacken → Ordner öffnen
Rechtsklick auf Start-Windows.bat
→ Als Administrator ausführen

⚡ Local Coder AI VSCode Extension

⬇️ Local Coder AI v0.1.0 (ZIP · ~28 KB)

VSCode-Extension mit agentic Coding Pipeline. Benötigt Ollama + VSCode.

🖥️

Installation

Alle Plattformen · VSCode 1.80+

unzip LocalCoderAI.zip
cd local-coder-vscode
code --install-extension .
🔌

Mit RAG verbinden

Optional · Für Kontext aus Wissensbasis

1. CustomRAG starten
2. RAG-Server läuft auf :8090
3. Local Coder findet ihn automatisch
🧠

Empfohlene Modelle

Ollama · Automatische Erkennung

ollama pull qwen2.5-coder:7b
# Architect + Reviewer
ollama pull qwen2.5-coder:32b
# Expert Coder (16GB+ VRAM)
💬
🧠 CustomRAG Demo
Verbinde…
Willkommen! Stelle eine Frage an die lokale KI.
🔒 Alle Daten bleiben auf dem Server. Keine Cloud.
🛡️ Geschützt durch Multi-Layer-Safety-Filter