🚀 洞察知识库（IKB）MCP 服务器
🍭这是一个免费的、即插即用的知识库。内置 10000+ 高质量洞察报告，以 MCP 服务器形式封装，并提供安全的本地数据存储。
⚠️⚠️ 本项目中收集的所有报告均来自官方研究报告网站的免费资源。 ⚠️⚠️
✨ 主要特性
- 🍾 无需配置，真正的即插即用。对于私有文档解析，可在
.env中配置 VLM 模型和参数（例如，VLM_MODEL_NAME=qwen2.5-vl-72b-instruct）。 - 🦉 永久免费 —— 无需费力收集报告资源。欢迎通过
issues分享可靠的、无版权问题的报告来源。 - 📢 承诺每周更新报告，但 bug 修复取决于个人心情（实际上我不是工程师 🤭）。
📈 截至 6 月 17 日的优化更新
- 💡 优化
models.py：数据查询效率提高了 1000%。 - 💡 优化
extractor.py：PDF 提取效率略有提升。 - 💡 优化
recognizer.py：图像理解效率提高了 50%。 - 💡 优化
ikb_mcp_server.py：- 添加了分页功能。
- 显示引用文件的本地路径。
- 💡 添加 MIT 许可证(https://github.com/v587d/InsightsLibrary/pull/1#issuecomment-2969226661)。
- 📦 项目包整体压缩后，大小约减少了 50%。
- 💡 简化私有文档处理。
- 💡 修复其他已发现的 bug。
🚀 未来工作方向
- 嵌入模型集成：
- 实现 sentence-transformers 进行文档嵌入。
- 创建用于向量搜索的函数工具端点。
- 报告系统增强：
- 每日自动生成报告。
- 实时更新通知。
📄 最新文件概况
{
"statistics": {
"total_files": 69,
"total_pages": 3758,
"unique_publishers": 7,
"unique_topics": 51,
"last_updated": "2025-06-18T20:09:57.012512"
},
"details": {
"publishers": [
"埃森哲",
"贝恩公司",
"波士顿咨询公司",
"哥伦比亚广播公司",
"麦肯锡公司",
"普华永道",
"亿欧"
],
"topics": [
"人工智能",
"AI 智能体",
"亚裔美国人",
"汽车",
"航空",
"商业",
"化工",
"消费品",
"脱碳",
"脱碳",
"数字化",
"经贸",
"教育",
"就业",
"时尚",
"金融",
"金融科技",
"金融科技",
"无肉食品",
"Z 世代",
"全球银行业",
"全球能源",
"全球保险",
"全球宏观经济",
"全球材料",
"全球私募市场",
"全球私募市场",
"全球贸易",
"健康",
"人力资本",
"保险",
"投资",
"低空经济",
"奢侈品",
"并购",
"海事",
"媒体",
"医疗健康",
"净零排放",
"新能源汽车",
"宠物食品",
"人口",
"私募股权",
"生产力",
"房地产",
"零售数字化",
"小企业",
"智能家居",
"可持续发展",
"科技",
"旅游"
]
}
}
📦 安装指南
💡 专业提示：遇到困难？将此页面拖到 LLM 客户端（如 DeepSeek），获取分步指导。实际上，这些说明也是由 DeepSeek 编写的...
前提条件：Python 3.12+（从官方网站下载并添加到环境变量）
安装 UV：
pip install uv
1. 克隆项目（确认已成功安装 Git 和 Git LFS）
git clone https://github.com/v587d/InsightsLibrary.git
cd InsightsLibrary
git lfs pull
2. 创建虚拟环境
uv venv .venv # 创建专用虚拟环境
# 激活环境
# Windows：
.\.venv\Scripts\activate
# Mac/Linux：
source .venv/bin/activate
3. 安装核心依赖项
uv install . # 注意末尾的点表示当前目录
4. 创建环境变量（以备将来使用）
notepad .env # Windows
# 或者
nano .env # Mac/Linux
5. 配置 MCP 服务器
- VSCode.Cline
注意：将
替换为实际的项目根目录。
{
"mcpServers": {
"ikb-mcp-server": {
"command": "uv",
"args": [
"--directory",
"" ,
"run",
"ikb_mcp_server.py"
]
}
}
}
- Cherry Studio
- 命令：
uv - 参数：
- 命令：
--directory
run
ikb_mcp_server.py
💻 使用示例
向 ikb_mcp_server 添加私有文档
- 在
.env中配置 VLM 模型和参数：
VLM_API_KEY=
VLM_BASE_URL=<基础 URL> # https://openrouter.ai/api/v1
VLM_MODEL_NAME=<模型名称> # qwen/qwen2.5-vl-72b-instruct:free
- 将 PDF 文档上传到项目根目录下的
library_files文件夹。 - 手动运行 main.py。
# 导航到项目根目录
# 激活虚拟环境
uv run main.py
(InsightsLibrary) PS D:\Projects\mcp\InsightsLibrary> uv run main.py
[INFO] extractor: PDF 提取已初始化 | 文件目录：library_files | 页面目录：library_pages
[INFO] extractor: 开始扫描目录：library_files
[INFO] extractor: 找到 69 个 PDF 文件
[INFO] extractor: 扫描完成 | 总文件数：69 | 已处理：0 | 失败：0
[INFO] recognizer: 没有要处理的页面。
# 数据已更新到数据库
============================================================
确认是否需要创建文本向量嵌入
⚠️ 此过程大约需要 20 分钟
============================================================
是否创建嵌入？（输入 Y 或 N）：
# Y：创建文本向量嵌入
# N：跳过文本向量嵌入并退出程序
📄 许可证
本项目采用 MIT 许可证。详情请参阅 LICENSE 文件。