项目介绍
Insights Knowledge Base(IKB) MCP Server
🍭一个免费的即插即用知识库。内置超过10,000份高质量洞察报告，打包为MCP服务器，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上的免费资源。 ⚠️⚠️
功能
- 🍾 零配置设计，适用于即插即用。
- 🚀 内置
Qwen3-Embedding-0.6B嵌入模型，相关报告可以通过向量搜索检索。📢 报告详情也可以通过关键词检索搜索。 - 🍥 收集了来自麦肯锡、普华永道和贝恩等知名咨询公司的超过100份洞察报告，包括6,000多页报告内容，涵盖70多个主题。
- 💎 在MCP客户端中实时在线浏览完整报告。
- 🎉 超快速响应：所有函数调用返回通常小于1秒，基于关键词的查询小于150毫秒。
- 🎨 将私有本地文档粘贴到library_files文件夹中（如果不存在，请手动创建；名称必须匹配）。在.env中配置VLM模型/参数（例如，VLM_MODEL_NAME=qwen2.5-vl-72b-instruct）以进行本地文档提取、解析和识别。
- 🦉 永久免费——无需浪费时间收集报告。通过问题分享可靠且符合版权的资源。
- 🔔 承诺每周更新报告；修复错误取决于个人意愿（我不是工程师 🤭）。
截至6月30日的优化
- 添加了2000多页报告。
未来方向
- 持续更新报告。
- 提示工程优化。
最新文件概况
{
"statistics": {
"total_files": 174,
"total_pages": 9320,
"unique_publishers": 9,
"unique_topics": 93,
"last_updated": "2025-06-30T10:08:35.928329"
},
"details": {
"publishers": [
"",
"Accenture",
"BAIN",
"BCG",
"CBS",
"Deloite",
"McKinsey",
"PWC",
"亿欧"
],
"topics": [
"",
"AI",
"AI Agent",
"非洲",
"售后市场",
"亚裔美国人",
"汽车",
"航空",
"美容",
"商业",
"化工行业",
"化学品",
"中国银行业",
"中国证券",
"消费品",
"脱碳",
"数字化",
"ESG",
"经济",
"经济与贸易",
"教育",
"电动两轮车",
"就业",
"能源",
"欧洲",
"快消品",
"时尚",
"金融",
"金融科技",
"金融服务",
"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",
"全球私人市场",
"全球贸易",
"杂货",
"杂货零售",
"健康",
"医疗保健",
"人力资本",
"氢",
"保险",
"投资",
"投资管理",
"劳动力市场",
"拉丁美洲人",
"低空经济",
"奢侈品",
"并购",
"海事",
"媒体",
"医疗健康",
"医技",
"净零",
"新能源汽车",
"新时代",
"包装",
"支付",
"宠物食品",
"人口",
"电力",
"私募股权",
"私人市场",
"生产力",
"量子",
"房地产",
"零售",
"零售数字化",
"零售商",
"风险",
"小型企业",
"智能家居",
"智能医院",
"运动用品",
"可持续性",
"免税",
"科技",
"旅行",
"卡车",
"英国",
"VSOC",
"财富管理",
"工作场所",
"连锁经营"
]
}
}
安装（适合初学者）
💡小贴士：遇到困难？将此页面拖放到LLM客户端（如DeepSeek）获取逐步指导。实际上，这些说明也是由DeepSeek编写的...
先决条件：Python 3.12+（从官方网站下载并添加环境路径）
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（供将来使用）
notepad .env # Windows
# 或
nano .env # Mac/Linux
5. 配置MCP服务器
- VSCode.Cline
注意：将
<Your Project Root Directory!!!>替换为实际根目录。
{
"mcpServers": {
"ikb-mcp-server": {
"command": "uv",
"args": [
"--directory",
"<Your Project Root Directory!!!>",
"run",
"ikb_mcp_server.py"
]
}
}
}
- Cherry Studio
- 命令：
uv - 参数：
- 命令：
--directory
<Your Project Root Directory!!!>
run
ikb_mcp_server.py
向ikb_mcp_server添加私有文档
- 在
.env中配置VLM模型和参数：VLM_API_KEY=<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: 初始化PDF提取 | 文件目录：library_files | 页面目录：library_pages
[INFO] extractor: 开始扫描目录：library_files
[INFO] extractor: 发现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: 无页面需要处理。
# 数据已更新到数据库
============================================================
确认是否需要创建文本向量嵌入
⚠️ 此过程可能需要大约20分钟
============================================================
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。详情见LICENSE文件。
截至6月17日的优化更新
- 💡优化了
models.py：提高了数据查询效率1000%。 - 💡优化了
extractor.py：略微提升了PDF提取效率。 - 💡优化了
recognizer.py：提升了图像理解效率50%。 - 💡优化了
ikb_mcp_server.py：- 添加了分页功能。
- 显示引用文件的本地路径。
- 💡添加了MIT许可证（https://github.com/v587d/InsightsLibrary/pull/1#issuecomment-2969226661）
- 📦 整个项目包的压缩大小减少了约50%
- 💡简化了私有文档处理。
- 💡修复了其他已识别的错误。
截至6月22日的优化
- 添加了
embedder.py：通过本地Qwen3-Embedding-0.6B模型实现文本向量化索引，存储在faiss_index中。 - 修改了
main.py：实现了闭环工作流程PDFExtractor → IMGRecognizer → Embedder（可选）。 - 新增
@mcp.tool(): get_similar_content_by_rag：通过向量相似度（RAG）查找最相似的文档内容。 - 所有管理员上传的报告现在支持在线查看 → 删除了library_files文件夹以减少项目大小。
- 添加了2000多页报告。