近日，极限科技的 Coco AI 正式发布。作为一款完全开源、跨平台的统一 AI 搜索与效率工具，Coco AI 能够无缝连接并搜索多种数据源，包括本地应用程序、文件以及云端平台如 Google Drive、Notion、语雀和 Hugo 等。通过集成 DeepSeek 等先进的大模型，Coco AI 不仅实现了智能化的个人知识库管理，还特别注重用户隐私，支持私有部署，帮助用户更快速、更智能地访问和管理信息。

Coco AI

本次发布的是 Coco AI 的首个预览版本，目前支持 MacOS 12 及以上操作系统。无论你是知识管理爱好者还是效率工具控，Coco AI 都值得一试。

• 项目主页: https://coco.rs/
• 开源地址:
  • 桌面应用端: https://github.com/infinilabs/coco-app/
  • 服务端: https://github.com/infinilabs/coco-server

Coco AI 分为客户端（APP）和服务端（Server），目前客户端仅提供 MacOS 版本，而服务端则支持 MacOS 和 Linux。今天，我们将重点体验客户端的使用。

下载与安装

首先，从项目主页或 GitHub 仓库下载 Coco AI 的安装包。安装过程简单直观，只需几步即可完成。

Coco-AI 最早版本就内置了对 Google Drive 的访问能力。如今，借助图形化配置界面，我们终于可以一键完成授权接入，在 AI 数据处理流程中直接使用 Google Drive 中的视频、文档等文件作为数据源。

本文将完整演示如何通过 Google OAuth2 授权机制，让 Coco-AI 成功对接 Google Drive，并将其中的视频等文件作为可访问的数据源导入系统。相比以往繁琐的手工步骤，现在全程图形化，几乎零代码，极大地降低了使用门槛。

一、准备工作：创建 Google OAuth2 客户端

首先，我们需要在 Google Cloud Console 中配置一个 OAuth2 客户端，用于获取用户授权，并访问其 Google Drive 数据。

参考官方文档（虽然略显简略）：

本文将详细介绍如何将 Notion 作为语料库，部署 Coco Server 的 RAG（Retrieval-Augmented Generation）功能。我们将使用 Easysearch 作为语料库存储 Notion 素材，并通过 ollama 进行 LLM 推理。

1. 环境准备

1.1 启动 Easysearch

首先，启动 Easysearch 作为语料库，用于存储 Notion 的素材。

1.2 启动 ollama

接下来，启动 ollama，用于进行 LLM 推理。

1.3 启动 CoCo Server

启动 CoCo Server，默认端口为 9000。

1

OLLAMA_MODEL=deepseek-r1:1.5b ES_PASSWORD=45ff432a5428ade77c7b   ./coco-mac-arm64

在《Coco AI APP 初体验：开启智能知识管理新篇章》和《打造智能语料库：通过 Coco AI Server 实现 Notion 笔记 RAG 检索功能》两篇文章中，我介绍了 Coco AI 的第一个版本。当时，我们需要手动调用服务端接口来添加数据源和配置登录信息，操作相对繁琐。而在 0.2 版本中，极限科技带来了全新的管理页面，让这些复杂的配置变得简单直观。

此外，这次更新还支持全平台运行。如果愿意，大家也可以自行编译源代码进行部署。

轻松部署，告别繁琐配置

首先，我们用 Docker 启动服务端，仅需一行命令即可完成，无需额外传递复杂的命令行参数，也不必单独启动 Easysearch。

1

docker run -d --name cocoserver -p 9000:9000 infinilabs/coco:0.2.1-1998

在此前的文章中，我们介绍了如何使用 Coco Server 连接 Notion，实现智能内容检索。本次，我们将进一步探索如何在 Coco Server 最新版本 中集成 Hugo Site，以便对 Hugo 站点 进行高效检索。

Coco Server 部署方式

要在本地或服务器上运行 Coco Server，可以借助 Docker 进行快速部署。

1. 直接运行 Coco Server（默认配置）

执行以下命令，快速启动 Coco Server（版本 0.2.2-2000）：

1

docker run -d --name cocoserver -p 9000:9000 infinilabs/coco:0.2.2-2000

此命令将在后台运行 Coco Server，并将 9000 端口 映射到本机，以便通过 Web UI 进行访问。

在之前的文章中，我们成功让 Coco AI 检索 Hugo 博客，这对于博客作者来说是一大福音。然而，从 Hexo 迁移到 Hugo 的成本不容小觑，毕竟大多数开发者对 Node.js 更熟悉，而 Golang 相对陌生。那么，既然 Coco AI 官方尚未支持 Hexo，是否有办法让它兼容 Hexo 呢？

当然可以！💡 既然 Coco AI 依赖的是 Hugo 生成的 index.json 进行检索，那我们干脆在 Hexo 中实现 **相同结构的 index.json**，这样就可以直接复用 Hugo 的数据结构，避免字段不兼容导致的潜在 Bug。

接下来，我们将从 0 到 1 实现 Hexo 的智能检索功能！ 🚀

📌 1. 安装 Hexo 并切换到 Next 主题

首先，我们需要安装 Hexo 并设置 Next 主题。

安装 Hexo

1
2
3
4

pnpm install -g hexo-cli
hexo init my-blog
cd my-blog
pnpm install

之前我们介绍过如何通过 Coco-AI 检索 Hugo 和 Hexo 的文件结构。这种方式虽然适合博客类内容，但对于一些零碎的笔记或者并非建站类的 Markdown 文件，显然不够灵活。

为了解决这个问题，我写了一个适配器（connector），并发布了对应的 Docker 镜像，来实现任意 Markdown 文件目录的元数据整理与 API 暴露：

👉 镜像地址：https://hub.docker.com/r/cloudsmithy/flask-markdown-connector

核心原理

该 connector 的主要逻辑是：

1. 递归扫描目录及子目录下的 Markdown 文件；
2. 识别或补充元数据（即 YAML Front Matter）；
3. 通过 RESTful API 暴露这些 Markdown 的结构信息和元数据内容。

如下图所示，我们会在每个 Markdown 文件开头添加或提取出 YAML 元数据：

在之前的实践中，我们已经成功地把 Hexo、Hugo 等静态博客和 Coco-AI 检索系统打通了：只要完成向量化索引，就可以通过客户端问答界面实现基于内容的智能检索。

这一层已经很好用了，但总觉得少了点什么——

比如用户还得专门打开一个“AI 客户端”，有点割裂。那能不能像搜索框一样，直接把问答体验嵌进网页里，做到随时可问，实时返回，就像 ChatGPT 驻扎在你自己的网站里？

答案是可以的。从 Coco-AI v0.3 开始，我们终于可以像调用前端组件一样，将搜索框直接嵌入到网页中，而且配置极简，几乎零门槛。

🧱 零配置启动：Coco 搜索框长这样

实际上，哪怕你完全不改配置，直接使用默认参数，就能跑出一个干净、简洁的 AI 搜索框：

写在前面

本功能依赖语雀提供的 Personal Access Token，需前往语雀后台申请。请注意，该功能仅对“超级会员”开放（非通过邀请赠送的专业会员），因此需付费开通超级会员才能使用。

之前使用 Hugo Connector 接入和 hexo 和任意 Markdown。现在，官方已经开放了对任意数据源的原生支持，关键在于引入了一个用于接收文档数据的 API 接口：