问题
AnythingLLM 用户在本地积累了大量、目录结构复杂的文档时，为 RAG 建索引只能手动上传、反复操作："There is no easy way to select entire folder trees at once for indexing"。即使有实验性的 Automatic document sync，也只按单文档生效而非按文件夹，每天新增文档的用户必须手动维护语料库，LLM 知识库持续过期。两条 GitHub feature request（各 11 分、5/9 条评论）指向同一个缺口：目录级一次性索引 + 文件夹持续监听。
目标用户
使用 AnythingLLM、GPT4All 等本地 LLM 工具的隐私敏感型个人用户与开发者，日常持续产出新文档（笔记、报告、代码文档），文档存放在复杂本地目录结构中。这是本地优先 AI 社区中的一个细分人群，规模不大但需求描述具体。
解决方案
核心功能：
- 在文件管理器右键或拖拽选中整棵目录树，一键递归索引
- 后台持续监听指定文件夹，新增/修改文档自动增量同步进工作区
- 每次问答自动检索全库，答案附来源文件与段落引用（GPT4All LocalDocs 式）
- 本地优先：embedding 与向量存储全在本机运行，数据不出本地
- 兼容或直接对接 AnythingLLM / GPT4All 的 workspace，降低迁移成本
AI 的角色： 本地 embedding 模型负责文档切分向量化，LLM 配合检索完成带引用的问答。
MVP 范围
第一版支持用户指定一个本地文件夹，递归解析 PDF/Word/Markdown/txt，自动切分、向量化入库，并持续监听新增与修改文件做增量同步；提供基于全库检索的问答，答案附来源文件与段落引用。不做：OCR 扫描件、团队协作与权限、云端同步、移动端。与 AnythingLLM 的打通可以只提供导出/工作区兼容，不做深度集成。
风险
平台依赖：需求本身是对 AnythingLLM/GPT4All 的功能缺口，上游一旦在主仓库实现 folder-level sync，独立产品价值即被抽空。变现风险：两条 signal 的付费意愿均为 none，用户是本地优先的开源社区人群，付费意愿历史性偏低。技术风险：大文档库的本地 embedding 与向量存储对普通用户硬件有压力，需要本地小模型优化。冷启动风险：只有 2 条低 pain（3/10）的 feature request，需求强度证据不足。
已有产品
| 产品 | 定位 | 价格 |
|---|---|---|
| AnythingLLM | signal 中被直接点名的现有方案：手动上传、逐文档同步，缺乏文件夹级操作 | — |
| GPT4All | 其 LocalDocs 功能被两条 signal 引为参照，已支持部分文件夹索引/监听场景 | — |
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
GitHub Issues · Mintplex-Labs/anything-llm2月13日功能请求▲ 115 条评论
“AnythingLLM’s existing document ingestion for RAG requires manual uploads and repeated steps to add large collections or complex directory structures. There is no easy way to select entire folder trees at once for indexing.”
AnythingLLM требует ручных и повторяющихся шагов для индексации больших коллекций документов, без возможности выбрать целые деревья папок для RAG одним действием.原文
GitHub Issues · Mintplex-Labs/anything-llm3月28日功能请求▲ 119 条评论
“I would like to have an option that allows AnythingLLM to auto-add all documents from a specified folder and continuously watch the folder for new documents to be added automatically.”
AnythingLLM lacks an option to auto-add and continuously watch a designated folder for all new documents to sync into the LLM workspace.原文