DeepLocals 是一款面向本地部署的智能知识库管理软件，支持多达 55 种文件格式的上传与解析。文件上传后，系统会在本地自动学习和理解您的资料内容，实现真正的“本地知识智能”。
不同于 Cherry 等工具的繁琐配置，DeepLocals 无需任何复杂设置——只需上传文件，即可直接问答，让知识管理变得更轻松。
同时，它也区别于纯线上知识库（如 IMA），DeepLocals 将所有文件完全保存在本地，拥有更高的数据安全性与隐私保护。此外，用户还能直接查看文件解析后的内容，没有上传数量限制，只要电脑空间足够，理论上即可无限扩展知识库规模。
在知识库产品逐渐从“能用”走向“好用”的阶段，DeepLocals这次更新，核心围绕三个关键词展开：连接、解析能力、稳定体验。
这不仅是一次功能叠加，更是一次对“知识获取—理解—使用”完整链路的重构。
一、微信知识库助手：把 RAG 带进高频场景
本次最值得关注的更新，是微信知识库助手的上线。用户绑定微信后，可以直接在微信中完成知识检索与问答，无需打开桌面端或网页。
核心能力包括：
在微信中直接向知识库提问
快速查看当前可用知识库
支持引用来源展开，提升可解释性
一键重新发送问题，降低交互成本
设置页可查看连接状态与最近使用时间，并支持解绑
从产品设计角度看，这一步解决的是 RAG 系统“最后一公里”的问题：用户不再需要进入特定工具，而是在日常沟通场景中自然调用知识库。
目前该功能作为会员能力开放，并限制绑定一个微信账号，这在控制资源成本的同时，也为后续多端同步能力预留空间。
二、多格式资料入库：从“文本为主”走向“多模态知识库”
DeepLocals 持续强化其在文档解析领域的优势，本次新增多种知识库导入格式，显著扩展数据边界：
音频转写入库：支持按时间轴定位内容
新增 TeX、MHTML、HTML 等格式解析与预览
多来源资料统一沉淀到知识库体系
这意味着知识库不再局限于 PDF/Word 等传统文档，而是逐步具备“全模态输入”的能力。
特别是音频转写 + 时间轴定位，对于会议记录、课程学习、访谈分析等场景非常关键，本质上是在构建一种“可检索的时序知识”。
三、PDF 原版翻译内置：降低使用门槛的关键优化
这里是演示如何在deepLocals直接使用我们内置的翻译翻译已经上传的pdf文件，只需要两步，第一步是选中想翻译的文件，第二步是点击全书翻译智能体选择好对应想翻译的语言后即可开始，点击后翻译很快，十多页的pdf翻译不到10秒即可完成，质量也是很奈斯可支持下载双语单语翻译文件，要知道只是这一个功能在别的软件就是一个大功能，但是在我们软件只需要是vip会员无上限使用
往高质量 PDF 双语对照翻译往往依赖插件或本地 Python 环境，对非技术用户不够友好。
v3.3.0 直接将“保留版面结构的双语 PDF 翻译”能力内置：
无需额外插件
无需复杂环境配置
打开即可使用
显著提升兼容性与稳定性
这一步的意义在于，将原本“工程能力”转化为“产品能力”，让文档理解真正普及到更广泛用户群体。
四、大知识库性能优化：面向真实规模的系统演进
这里可以看到我本地有一万多文件已经在知识库。在之前的版本打开某个知识库需要好几秒的延迟体感不好，现在我们采用更新的渲染技术让打开知识库几乎是秒开
随着用户数据规模增长，性能问题开始成为核心体验瓶颈。本次更新针对“大知识库场景”进行了系统优化：
首页与详情页加载速度提升
文件排序、筛选与查找更高效
智能学习任务在重启后恢复更稳定
MinerU 解析额度与连接状态提示更准确
这些优化背后，本质是对知识库索引结构、任务调度以及前端交互的协同改进。
对于构建企业级或长期积累型知识库的用户，这类优化的价值会随着数据量增长而放大。
五、问答质量优化：结合新出的gemma4:12b模型可以直接说明文档中的图片，实现多模态问答
通过输入框的上传附件中的上传个人知识库文件到对话中，模型可以拿到整体文档的所有内容，可以总结，说明，对比文档撰写内容。
“视觉模型 + 知识库”的组合，意味着用户可以在图像理解基础上，结合已有文档进行更复杂的推理，这是向多模态 RAG 迈出的重要一步。
六、输出体验升级：从“可读”到“可分享”
在实际对话中我们往往想把ai的回答分享给其他人，DeepLocals支持多种导出格式，pdf，word，markdown都支持且文件内包含引用文章，让ai的回答可信度更高
AI 输出不仅是结果，更是内容产品。
v3.3.0 对输出体验进行了系统优化：
回复排版更清晰
引用角标更规范
粗体与结构更合理
图片展示高度优化
多余标点减少
Word/PDF 导出更干净
这些改进直接提升了内容在报告、分享、复用场景中的价值，尤其适合知识沉淀与团队协作。
结语：从工具到系统的跃迁
DeepLocals v3.3.0 的更新可以看作是一次关键转折：
在入口上，打通微信，进入高频场景
在能力上，扩展多模态与多格式解析
在体验上，优化性能、稳定性与输出质量
如果说早期知识库产品解决的是“能不能用”，那么当前阶段正在解决的是“是否足够自然、足够稳定、足够融入工作流”。
而 DeepLocals 正在向这个方向持续逼近。
