Агент чата с интегрированной базой знаний и настраиваемыми навыками. Один автономный двоичный файл со всем включенным - никаких зависимостей для установки, не требуется установка. Просто загрузите, запустите и начните общаться с любым LLM, совместимым с OpenAI, индексируя документы и веб-страницы в локальную векторную базу данных и получайте ответы, основанные на вашем собственном контенте.

Что он делает

Чат — интерактивный REPL с многоповоротным разговором и автоматическим уплотнением контекста Индекс — /index добавляет документы в базу знаний RAG (факультативно) Fetch — /fetch извлекает и отображает веб-контент в виде Markdown ** Навыки ** - настройка поведения агента с помощью многоразовых файлов навыков для специализированных задач Интеграции — Confluence, JIRA, GitHub, GitLab (все необязательно, отключены по умолчанию)

Поддерживаемые форматы файлов: .md, .txt, .csv, .tsv, .docx, .pdf, .odt, .pptx, .xlsx, .html, .eml.

Требования

Go 1.27.3 (или скачать готовый двоичный файл) API-ключ для любого OpenAI-совместимого провайдера (OpenAI, Azure OpenAI, Ollama и др.)

Примечание: ** Кдрант больше не требуется. Хранилище векторов по умолчанию - Chromem (встроенное, в памяти с дополнительной настойчивостью).

go-magnetar

An AI chat agent with an integrated knowledge base and customizable skills. A single standalone binary with everything included — no dependencies to install, no go install needed. Just download, run, and start chatting with any OpenAI-compatible LLM, indexing documents and web pages into a local vector database, and get answers grounded in your own content.

What it does

• Chat — interactive REPL with multi-turn conversation and automatic context compaction
• Index — /index adds documents to your RAG knowledge base (optional)
• Fetch — /fetch retrieves and displays web content as Markdown
• Skills — customize agent behavior with reusable skill files for specialized tasks
• Subagents — spawn specialized agents for complex tasks (exploration, research, parallel work)
• Integrations — Confluence, JIRA, GitHub, GitLab (all optional, disabled by default)

Supported file formats: .md, .txt, .csv, .tsv, .docx, .pdf, .odt, .pptx, .xlsx, .html, .eml.

For a complete list of supported formats and their available modes, see docs/file_codecs.md.

Requirements

• Go 1.27.3 (or download a pre-built binary)
• API key for any OpenAI-compatible provider (OpenAI, Azure OpenAI, Ollama, etc.)

Note: Qdrant is no longer required. The default vector store is Chromem (built-in, in-memory with optional persistence). Qdrant is available as an optional external store for production deployments.

Vector Stores

go-magnetar supports two vector storage backends:

Chromem (default)

• Built-in: No external dependencies required
• In-memory by default: Store exists only during session (when rag.chromem.data_dir is empty)
• Persistent mode: Set rag.chromem.data_dir to persist vectors to disk
• Use case: Local development, testing, edge deployments

Qdrant (external)

• External server: Requires running Qdrant container
• Full persistence: Automatic disk persistence with advanced filtering
• Use case: Production, large-scale deployments

Switch between stores via config:

rag:
  store:
    type: chromem  # or qdrant

See docs/architecture.md for vector store architecture details.

Quick start

1. Install

Option A — pre-built binary (recommended):

Download a single standalone binary from GitHub Releases and place it in your $PATH.

Why a single binary? go-magnetar is distributed as a single self-contained binary with all dependencies compiled in. No need to install Go, manage dependencies, or worry about version conflicts. Just download, make executable, and run — everything you need is already there.

Option B — go install:

go install github.com/wmentor/go-magnetar/cmd/go-magnetar@latest

Option C — build from source:

git clone https://github.com/wmentor/go-magnetar.git