Rocketnotes：把 LLM 接進 Markdown 筆記的取捨與代價
✨ AI-powered markdown editor - leverage LLMs with your documents - 100% local or in the cloud
秒懂
- 它是什麼？
- Rocketnotes 是一套網頁版 Markdown 筆記工具，把聊天、續寫、語音轉錄與 agentic 歸檔直接做進編輯器，並提供 Ollama 全本機與 AWS 雲端兩條路。它的價值在於把檢索與歸檔自動化，代價是你要接受一套三語後端與兩種向量儲存的分裂部署。
- 適合誰用？
- 如果你已經有一批 Markdown 筆記，想在不搬離純文字格式的前提下加上語意檢索與自動歸檔，而且願意自己跑 Docker 與 Ollama，Rocketnotes 值得進沙盒試一輪。若你只需要關鍵字搜尋與語法高亮，或無法接受 Go、Python、Angular 三套執行環境同時存在，它會是過重的選擇。
- 可以商用嗎？
- 可以。Apache-2.0 是寬鬆授權：你可以使用、修改並販售以它為基礎的軟體，只需保留著作權與授權聲明。
- 還在維護嗎？
- 有在維護。儲存庫最近一次提交在 146 天前。
- 用什麼語言寫的？
- 主要是 TypeScript（依據 GitHub 的語言統計）。
以上回答依據專案的 GitHub 資料（最近同步於 2026年9月15日）與我們的分析，不構成法律意見。
開源專案深度解析
它解決的是筆記「找不到」而不是筆記「寫不出」
多數 Markdown 編輯器的問題不在輸入，而在輸出之後。你寫了幾百篇筆記，關鍵字搜尋只能命中你剛好記得的字。Rocketnotes 針對的是這個斷點：README 把 Semantic Search 描述為「Goes beyond keyword search to understand the meaning behind your query」，並提供 Chat with Your Documents，讓你用自然語言問問題，答案從你自己的文件中合成。
目標使用者寫得很明白：需要把程式碼片段與數學公式放進同一份筆記的開發者。README 列出 Code Syntax Highlighting、Katex 與 Mermaid 三項，這組合不是一般筆記軟體的預設路線。另一個線索是 Neovim Plugin 與 MCP Server Integration，代表作者假設使用者已經活在編輯器與 LLM 工具鏈裡，而不是想拉攏 Notion 那一類使用者。
所以它不是「更好的 Markdown 編輯器」。它是一層檢索與歸檔，附帶一個編輯器。
檢索層分裂成兩套：S3 Vectors 與 ChromaDB
README 的 Tech Stack 段落把 AI 這一欄寫成「Langchain, Langgraph, S3 Vectors (cloud) / ChromaDB (local)」。這一行是整個專案最需要停下來看的地方。向量儲存不是可替換的實作細節，它決定了檢索品質、索引更新時機與資料落地位置。雲端走 AWS 的 S3 Vectors，本機走 ChromaDB，兩者的相似度計算與索引結構不同，同一批筆記在兩邊檢索出的結果不保證一致。
嵌入模型同樣分岔。本機模式用 sentence-transformers 搭配 Ollama，雲端模式沒有在 README 中說明嵌入由誰產生。這意味著如果你先在雲端建立索引、之後想搬到本機，你不能只是複製檔案，必須重新嵌入整批文件。
Zettelkasten 的 agentic archiving 建立在同一層之上：README 說 AI agent「analyzes snippets from your inbox and intelligently files them into the most relevant existing document」。歸檔品質直接等於檢索品質。檢索挑錯文件，snippet 就被歸錯位置，而這一步是自動的，你未必會立刻發現。
後端有 Go 也有 Python，部署前先認清這件事
Tech Stack 寫的是 Frontend: Angular、TypeScript、Electron；Backend: Go、Python。這種組合在開源專案裡不常見，通常代表某部分功能（例如即時搜尋或檔案處理）用 Go 寫，AI 相關流程留在 Python 的 LangChain 生態。
對使用者的實際影響在維運。你不是在跑一個 Node 服務，而是在跑一組跨語言的服務，加上 DynamoDB 與 S3 這兩項 AWS 依賴。README 的 Infrastructure 一欄直接寫 AWS、Docker。
本機模式把這一切收進容器裡，但容器內仍然是同一套多服務架構。升級時你要面對的是多個映像的版本對齊，而不是單一 binary 替換。這是選擇 Rocketnotes 時最容易被低估的成本。
三種啟動方式，只有一種不碰雲端帳號
README 的 How to use 給了三個入口。第一是註冊託管服務，連結指向 takeniftynotes.auth.eu-central-1.amazoncognito.com，登入後可用網頁版或 Electron 版。第二是「Run it 100% locally with Docker」，細節在 INSTALLATION.md 的 run-with-docker 章節。第三是照 CONTRIBUTING.md 的 Contribution Guide 建立本機開發環境。
只有第二條路符合 README 標題所說的 100% local。第一條路的 AI 處理發生在作者的 AWS 上，文件與查詢都會離開你的機器。第三條路是給要改程式的人用的，不是給要用筆記的人用的。
README 沒有列出 Docker 指令、映像名稱或環境變數，這些都在 INSTALLATION.md 裡，而該檔案不在本次可見的材料中。所以這裡無法給你可複製的指令。要評估本機模式，第一步就是去讀 INSTALLATION.md 的 run-with-docker 章節，確認它需要哪些連接埠、哪些 volume，以及 Ollama 是隨容器啟動還是要你另外安裝。
模型切換方面，README 寫 Multi-LLM Support 目前涵蓋 OpenAI、Anthropic 與 Together AI。本機模式則走 Ollama。哪個模型負責哪個功能，README 沒有交代。
語音輸入與自動歸檔是同一條流程的兩端
Voice-to-Text Note Taking 與 Zettelkasten inbox 在 README 裡是相鄰的兩節，實際上是一條動線：你口述一段想法進 inbox，agent 再把它歸進最相關的文件。
這條動線的風險在於它把兩件不確定的事串在一起。語音轉錄會出錯，尤其在專有名詞與程式碼識別字上；歸檔 agent 拿到一段有錯字、沒有上下文的 snippet，仍然要判斷它屬於哪份文件。README 沒有描述任何人工確認步驟，只說 agent 會把 snippet「insert into most relevant documents」。
如果歸檔是直接寫入目標文件，那麼一次誤判就會在你原本整理好的筆記裡留下不該存在的段落，而且不會有通知。這是我在 README 中找不到答案、但會直接影響使用意願的問題：歸檔前是否有預覽或 undo。要採用之前，這點必須自己在程式碼或實際操作中確認，不能靠 README 推測。
替代方案：Obsidian 加外掛，差別在誰持有檢索層
同樣面對「Markdown 筆記加 AI」這個需求，Obsidian 走的是另一條路：核心只負責檔案與外掛 API，AI 功能由社群外掛各自實作，向量索引通常存在本機外掛資料夾，嵌入模型由使用者自選。
真正的差別不在功能清單，而在檢索層由誰定義。Rocketnotes 把 LangChain、LangGraph 與向量儲存寫進自己的後端，檢索行為由專案決定，你在 S3 Vectors 與 ChromaDB 之間選一個，但改不動檢索邏輯。Obsidian 把這一層交給外掛，代價是你得自己挑、自己承擔外掛維護狀況，好處是換外掛不必換筆記。
另一個維度是介面。Rocketnotes 是網頁應用，另附 Electron 與 Neovim 前端；Obsidian 是桌面應用優先。如果你的筆記已經是一個本機資料夾，Rocketnotes 的 Docker 模式要處理的是「這個資料夾怎麼進容器」，而不是「筆記放哪裡」。
兩者都不是錯的選擇，但選 Rocketnotes 等於接受檢索層由上游決定，選 Obsidian 等於接受自己維護那一層。
授權與版本節奏
專案採 Apache-2.0，README 的 badge 與 repository 標示一致。這個授權允許商業使用與修改，並附帶專利授權條款，對企業內部部署相對友善。實際條文仍應自行閱讀，這裡不構成法律意見。
版本節奏上，可見的釋出為 v1.0.5（2025-02-25）、v1.0.6（2025-07-20）、v1.0.7（2025-07-26）。v1.0.5 到 v1.0.6 之間隔了將近五個月，之後兩週內連出兩版，而 repository 的 last push 標示為 2026-04-23，晚於最後一次釋出。這代表主線仍在動，但釋出不是穩定節奏。
對維運的意義是：你不能假設每季有固定更新，也不能假設升級路徑被測試過。若你要在團隊內部署，得先決定鎖定哪個版本、以及由誰負責追蹤 main 分支的變動。
誰該用，誰該等
該用的是這一群人：已經在用 Markdown 累積技術筆記，需要語意檢索與自動歸檔，而且有能力自己跑 Docker 與 Ollama 的人。對他們來說，100% local 這條路是這個專案最實在的部分，因為筆記與查詢都不必離開自己的機器。
不該用的是兩種人。第一種是只需要關鍵字搜尋、語法高亮與資料夾樹的人，這些用更輕的工具就能滿足，不需要背一組 Go 加 Python 加 Angular 的執行環境。第二種是不能接受自動寫入的人，因為 agentic archiving 在 README 中沒有描述確認步驟，而誤歸檔是寫進既有文件，不是寫進一個隔離的收件匣。
動手前的驗證順序建議是這樣：先讀 INSTALLATION.md 的 run-with-docker 章節，確認映像、連接埠與 Ollama 的啟動方式；再確認歸檔 agent 是否提供預覽或復原；最後拿一批真實筆記分別在 ChromaDB 與 S3 Vectors 上跑同一組查詢，看結果差多少。第三項沒做，你不會知道自己的筆記在這兩條路上是不是同一套系統。
編輯結論
如果你已經有一批 Markdown 筆記，想在不搬離純文字格式的前提下加上語意檢索與自動歸檔，而且願意自己跑 Docker 與 Ollama，Rocketnotes 值得進沙盒試一輪。若你只需要關鍵字搜尋與語法高亮，或無法接受 Go、Python、Angular 三套執行環境同時存在，它會是過重的選擇。動手前先確認兩件事：INSTALLATION.md 的 Docker 章節所列的映像與連接埠是否與你的環境相符，以及 S3 Vectors 與 ChromaDB 兩條路徑在檢索行為上是否一致。
社群筆記