Lastbook 是一个面向 macOS、Windows 和 Linux 的离线生存知识库。它把手册、视频、百科、离线地图和简短的实用指南集中到一台电脑上,首次设置并下载所需资料后即可离线使用。桌面端侧边栏提供 Videos、Map 和 Chat 三个入口,其中 Chat 会基于库内资料回答问题并链接到来源页面。截至资料所示,该项目在 GitHub 上获得 932 个 Star、100 个 Fork,主要语言为 Python,采用 MIT 许可证。
项目定位与解决的问题
Lastbook 的目标不是做一个通用聊天机器人,而是构建一套断网可用的参考资料系统。它预先将经过整理的手册、PDF、视频和离线百科(ZIM 文件)打包成数据包,用户首次运行时选择需要下载的内容,之后即使没有网络也能检索和阅读。项目还提供一份“指南优先”的内容结构,针对紧急需求给出简短指南,并标注所指向的库内真实页面及页码。
主要功能
指南与完整资料库
Lastbook 内置经过策展的短指南,放在 content/topics/ 中,每条指南指向资料库中的具体页面。同时,它还收录手册、PDF(支持整本 PDF 查看)、视频和离线百科,支持关键词搜索;在 Windows 版本中,还提供基于语义的搜索。
离线地图
项目包含世界和美国的基础地图,以及用户在首次设置时选择的一个州的详细地图。该州地图可离线查看本地街道、建筑、地形、作物、水域,以及帮助和资源点,并支持离线地址查找。州由用户自行选择,Lastbook 不会自动检测位置。
可选的本地 AI
Lastbook 的 Chat 功能可以在没有本地 AI 的情况下仍然找到相关页面。如果选择启用本地 AI,用户可以用自然语言提问,模型会在本机运行并给出引用资料库页面的答案。资料显示,该模型为 Gemma 4 26B A4B(Unsloth 的 gemma-4-26B-A4B-it-UD-Q4_K_M.gguf,约 17 GB),首次设置时仅在设备内存满足约 18 GB(模型与上下文占用,另加保留空间)的条件下提供下载。模型文件不包含在应用或仓库中,设置阶段直接从 Hugging Face 下载。运行器 lastbook-llm 基于 llama.cpp tag b12032,在 Mac 上使用 Metal,在 Windows 和 Linux 上使用 Vulkan 并带有 CPU 回退。
一次性设置与更新检查
首次运行时,设置界面默认选择 Small,并在电脑可运行时选中本地 AI。用户可以选择 Small、Medium 或 All,选择州地图,然后开始下载已勾选的内容。如果电脑上已有资料库(文件夹或 pack zip),也可以直接使用而无需下载。关于页面提供“检查更新”按钮,只告知网站是否有新版本,不会自动下载或安装。
运行环境与安装方式
Lastbook 提供三个桌面平台的发布版本:
- macOS:Apple Silicon,macOS 14 或更高版本,版本 1.1.10,已在 lastbook.org 上线并签名。
- Windows:64 位,Windows 10 或更高版本,版本 1.1.8,已在 lastbook.org 上线,带 Authenticode 签名。
- Linux:Ubuntu 24.04 LTS,x86_64,版本 1.1.9,以 Ubuntu 包形式提供。
Linux 版本的目标环境是 Ubuntu 24.04 LTS 的 Intel/AMD x86_64 电脑,需通过 apt 安装以便解析依赖。应用使用 Ubuntu 的 GTK、WebKitGTK 和媒体编解码器,自身文件安装在 /opt/lastbook,资料库和设置保留在用户主目录。卸载软件包不会删除已下载的资料和设置。资料提到,Linux 版本在 WSL2 中的 Ubuntu 24.04.5 上测试过安装、设置、视频播放、地图、地址搜索、PDF 阅读、带引用的离线 AI、关机与卸载,AI 测试使用 CPU;原生 Linux GPU 性能和其他 Linux 发行版尚未验证。
此外,仓库中的 mobile/ipad/ 包含一个原生 iPad 应用源码,提供 Videos、Map 和 Chat 及可选端侧 AI,但仅面向贡献者自行构建和签名,没有 App Store、TestFlight 或可下载的 iPad 构建。
从源码运行
从源码运行需要 Python 3.11 或更高版本,以及一个数据文件夹。数据文件夹包含 library-data/catalog.json(资料库),并会生成 derived/ 用于索引、缓存和日志。获取数据文件夹的方式有两种:运行一次应用并让设置下载一个 pack,或从 lastbook.org 解压一个 pack。未指定 --data 时,应用会依次检查 LASTBOOK_DATA、上次选择的文件夹和自身数据文件夹;如果没有可用资料库,则打开设置界面。
项目还提供 library server 版本,可在浏览器中运行同一引擎,并让同一 Wi-Fi 下的手机共享访问。该版本面向项目最初的家庭图书馆场景,部分路径和端口描述的是那套设置;桌面应用不使用这个端口。
隐私与网络使用
Lastbook 在隐私设计上有明确约束:桌面应用不开放网络监听端口,窗口与引擎通过内存桥通信;本地 AI 运行器通过标准输入输出以 JSON 行通信,也不打开套接字。网络仅在两处由用户主动触发:首次设置中的下载器,以及用户点击“检查更新”时。所有连接都经过 engine/setup/download.py,仅使用 443 端口的 HTTPS,且只允许白名单主机;不读取系统代理,重定向也只能指向另一个允许的主机。下载器只信任 engine/setup/roots.pem 中的根证书(来自 Mozilla 证书包的 11 个根),不使用系统信任库。
每个下载文件在使用前都会按清单中的 SHA-256 校验;zip 在写入前会检查不安全路径、链接和大小。应用没有遥测、没有账户,也没有定时或开机触发的联网行为。新数据会先在旧资料库旁解压并校验,再通过一次重命名切换,任一步失败都不会破坏已有资料库。
适用人群与注意事项
Lastbook 适合需要在断网或网络不稳定环境下获取实用资料的用户,例如应急准备、偏远地区工作、家庭离线图书馆,以及对本地 AI 和离线检索感兴趣的技术用户。需要注意的是,完整资料库体积达数百 GB,且由第三方手册、视频和百科组成,各自遵循不同条款,以 pack 形式分发并附带来源与许可页面;模型和地图数据也不在仓库中,由设置阶段获取。仓库不包含签名密钥、证书和发布材料。使用前应确认目标平台版本和硬件条件,尤其是本地 AI 对内存的要求。
项目主页:https://github.com/Immortal-Protocols/lastbook
项目地址:lastbook
相关推荐
WebsiteBench:评测 AI 智能体能否通过浏览器探索重建完整网站
Auto Ontology MCP:把语义层接入 Claude、ChatGPT,让数据库问答不再“静默出错”
PeakCut:开源自托管的 AI 视频切片工具,把长视频和直播变成竖版短片
ai-texture-forge:在 Blender 视口里用 AI 生成无缝 PBR 纹理的插件
STE80 Humanizer:两步改写,让 AI 文本读起来像人写的
smolmaxxing:在电视盒子、旧iPad和手机上跑起16B到80B大模型
Freebie Radar:835 Star 的福利聚合雷达,57 个源定时采集并用 AI 过滤假福利
Muse4AI:让 AI Agent 直接调用本机 Muse 会话生成图片和视频
最近更新
Lastbook:把生存手册、离线地图和本地 AI 装进一台电脑的开源离线知识库
Lastbook 是一个面向 macOS、Windows 和 Linux 的离线生存知识库,整合手册、视频、百科、离线地图和可选本地 AI,首次下载后即可在断网环境使用。本文介绍其功能、运行环境、安装方式、隐私设计和适用场景。
WebsiteBench:评测 AI 智能体能否通过浏览器探索重建完整网站
WebsiteBench 是一个面向 AI 智能体的网站重建评测基准,包含 70 个网站任务和 46,916 个隐藏测试用例,要求智能体通过浏览器探索反向工程出功能和视觉都接近原站的全栈版本。
Auto Ontology MCP:把语义层接入 Claude、ChatGPT,让数据库问答不再“静默出错”
Auto Ontology MCP 是一个基于 Python 的 MCP 服务器,把 NVIDIA Auto Ontology 的语义层接入 Claude、ChatGPT、Cursor 等客户端。它不需要 LLM API key,由客户端模型完成语言步骤,服务器负责 schema 扫描、键推断、SQL 校验和本地知识库存储,帮助减少 Text-to-SQL 的静默错误。
PeakCut:开源自托管的 AI 视频切片工具,把长视频和直播变成竖版短片
PeakCut 是一个自托管的 AI 视频切片工具,能把长视频和直播自动转成带字幕的 9:16 竖版短片,支持自带 AI 密钥、实时直播切片和连接社交平台发布。
ai-texture-forge:在 Blender 视口里用 AI 生成无缝 PBR 纹理的插件
ai-texture-forge 是一个 Blender 插件,可在 3D 视口内用文本提示生成无缝 PBR 材质、概念图和场景级投影纹理,支持本地 GPU 或云端扩散模型,面向 Windows x64 和 Blender 4.2+。
STE80 Humanizer:两步改写,让 AI 文本读起来像人写的
STE80 Humanizer 是一个面向 AI Agent 的写作技能,先用 26 条规则清理 AI 写作痕迹,再把句子结构向 ASD-STE100 简化技术英语靠拢到约 80%。本文介绍它的两步方法、三种模式、安装方式、检查脚本和适用边界。
smolmaxxing:在电视盒子、旧iPad和手机上跑起16B到80B大模型
smolmaxxing 是基于 llama.cpp 的端侧推理项目,已在电视盒子、旧 iPad 和 OnePlus 手机上实测运行 2B 到 80B 模型,通过定制内核、内存裁剪、专家按需从闪存读取等技术,让模型大小超出可用内存的设备也能完成推理。
Freebie Radar:835 Star 的福利聚合雷达,57 个源定时采集并用 AI 过滤假福利
Freebie Radar 是一个自托管的福利与多兴趣信息聚合雷达,用 57 个源定时采集、AI 语义审核过滤假福利,并按获取方式分级和多路由推送到 Telegram。项目基于 TypeScript 与 SQLite,支持 Docker Compose 快速启动,GitHub 上已有 835 Star。
Muse4AI:让 AI Agent 直接调用本机 Muse 会话生成图片和视频
Muse4AI 是一个运行在 Windows 本机的桥接工具,通过 REST、MCP 和 OAuth 把用户的 Muse 会话开放给 ChatGPT、Claude、Cursor、Codex、n8n 等 AI Agent,用于生成图片视频、继续对话、延长或按描述编辑视频。项目不经过自有云端中转,结果和密钥保存在本机,采用 MIT 许可证。
muse.ai 注册与邀请码兑换协议分析:纯 HTTP Python 实现的协议细节项目
一个用 Python 纯 HTTP 实现 muse.ai 注册与邀请码兑换流程的研究项目,整理了抓包比对得出的协议细节,包括 OTP 确认、会话引导、动态披露文案、vm/wake 调用和邀请码兑换失败原因等。项目不采用 MIT 等开源许可证,仅供个人非商业学习研究使用。



