AutoRAG 竞争态势研究18 维度扫描下的 数据永不迁移 差异化壁垒2026-09 开源检索生态观测【免费下载链接】AutoRAGAutoRAG: Now your agent can find anything in your computer. It gets smarter if you are using it frequently.项目地址: https://gitcode.com/GitHub_Trending/au/AutoRAG本文基于仓库内 docs/competitive-landscape-2026-09.md 的原始研究发现整理并以仓库源码src/datasource/、src/retrieval/、src/agent/ 等逐条佐证。它回答一个核心问题在 MCP、本地优先、混合检索全面商品化的 2026 年AutoRAG 真正的护城河到底是什么以及为什么 never migrate your data to search it 这条核心价值在竞争压力下依然成立。研究背景这份文档回答了什么问题这份竞争态势研究观察日期 2026-09-05记录了 AutoRAG 产品定位背后的完整证据链。它支撑着 README.md 中三大核心价值的第一个——Never migrate your data to search it搜索数据时绝不迁移数据并在 AGENTS.md 中被明确引用为价值 1 的立项依据Rationale for value 1 comes from the competitive landscape study (seedocs/competitive-landscape-2026-09.md): MCP-native, local-first, and hybrid retrieval are commoditized, while harness-free federation with source-native provenance is the durable differentiator.研究采用的方法论是多车道开源生态扫描 第一方信源核验 对抗式红队扫描范围覆盖四类对象本地 CLI 与 MCP 引擎、Agent/RAG 平台、后端 MCP 服务器、连接器引擎每个竞争者均做第一方核验仓库、文档、许可证、发布日期对文档中的每一个缺口声明gap claim额外做了一轮对抗式红队防止自我强化偏差。研究的核心问题是否存在现成同款研究提出的严格问题是是否已有公开 OSS 项目同时交付 AutoRAG 设想的完整组合包——即无 harness 联邦无需引入自有编排框架直接联邦独立第三方 CLI 所拥有的存储第三方 CLI 自有存储索引、存档归原 CLI 所有AutoRAG 不复制、不强制迁移source-native 身份与 ACL结果携带来源原生的身份标识与作用域校验的访问控制模型安全工具面model-safe tool surface原生 MCP支持。这五个部分构成了文档中反复出现的严格定义strict definition也是后续所有结论的判据。研究结论严格定义下无同款宽泛定义全被反驳文档给出了两个必须同时记住的结论在严格定义下未发现完全一致的既有实现。一轮 18 角度反向搜索加上红队轮次没有找到任何公开项目能同时证明上述五个部分全部成立。每一个宽泛版本的说法都被驳斥。如果只是说MCP 原生、本地优先或混合检索这些早已不是差异化。因此文档明确警告不要在没有严格定义的情况下对外宣传没有竞争者Do not market no incumbent without the strict definition。这两个结论一正一反构成了整份报告的事实纪律差异化声明必须有精确的判据否则经不起任何严肃的对标。已商品化的能力不要围绕这些建产品文档用一张对照表列出了被证明已商品化的差异化点及其反例。这是产品叙事中不要主打什么的直接依据声称的差异化点被以下项目驳斥MCP 原生访问QMD v2.8.3MITCLIMCP、Quarry v3.2.1MIT守护进程MCP、msgvault第一方 MCP、Elastic 官方 MCP 服务器Agent Builder9.3 GA、OpenSearch/_plugins/_ml/mcp3.3、Qdrant、Weaviate/v1/mcp、Milvus/Zilliz、Meilisearch本地优先运行QMD、Quarry、mcp-local-rag383★、Kotaemon、msgvault完全离线混合检索BM25 向量 RRFQMDSQLite FTS5 本地 GGUF RRF、msgvaultFTS5 Ollama RRF、QuarryTantivy LanceDB——这已是公开可复制的配方CLI 界面AnythingLLMany、MFSmfs、msgvault、QMD没有 Agent harness 存在负空间某个功能不存在不是用户价值关键洞察是表格最后一行没有 agent harness只是一个空白而不是价值。竞品没有某个东西不等于你的产品因此有了价值。产品必须围绕用户可感知的价值构建而不是围绕竞争对手的缺失构建。从仓库实现看AutoRAG 也确实没有把这些能力当作卖点单独宣传src/retrieval/registry.ts 中的RetrievalMethodRegistry只是把 BM25、向量、混合等方法注册进统一管线src/minsync/method.ts 承载 MinSync 的向量/BM25/混合检索——这些是基础设施而不是对外差异化的故事。最强竞争者画像截至 2026-09-05Zilliz MFS最危险的单一竞争者许可证Apache-2.0背景Milvus 背后的厂商官方项目拥有生产级索引流水线与广泛的连接器目录结构性差异MFS 是 server-first 架构——一个轻薄的mfsCLI 架在一个有状态的mfs-server之上把每个来源都摄取进自己的索引/存储文档的结论是MFS无法在不放弃自身架构的前提下采纳 AutoRAG 的价值 1数据不迁移。它的商业模式建立在数据进入我们的索引之上。msgvault接近完全命中但被定位为资源而非对手许可证MIT在消息/会议领域几乎完全吻合本地优先、离线可用、FTS5 可选本地嵌入器的混合检索、第一方 MCP、Agent skills、source-scoped 的身份/人物模型文档将其定位为资源而非对手集成被跟踪在 issue #1530仓库内可查相关讨论。它与 AutoRAG 的区别在于领域边界msgvault 覆盖单一领域消息/会议且只拥有单一自有存储而 AutoRAG 的差异化在跨 CLI 存储的联邦层。QMD v2.8.3 / Quarry v3.2.1均 MIT两者都是优秀的本地 CLIMCP 引擎但各自只拥有一个通用的本地索引而不是编排多个第三方 CLI 存储它们是单存储引擎AutoRAG 是多存储联邦控制面。平台型在位者AnythingLLM v1.16.1、RAGFlow v0.27.1、Onyx、Open WebUI oikb、Khoj、pyLLMSearch 等平台型产品都捆绑了 harness/UI/答案生成不是 agent 中立的数据源控制面。它们把检索包装进自己的编排框架这与 AutoRAG 无 harness 联邦的定位相反。为什么 Never migrate your data to search it 依然成立文档把每个竞争者的生存方式归纳为三类(a) 强制把来源塞进自己的服务器/索引MFS(b) 覆盖单一领域、只拥有一个自有存储msgvault、QMD(c) 把检索包装进自己的 harness平台型在位者。因此 AutoRAG 存活的差异化是契约级contract-level而非功能级feature-level由四条不可复制的不变量构成CLI 自有存储原地不动——没有中心化索引副本没有强制上传结果携带人类可读、来源原生的身份并做 scope 校验的访问控制——默认拒绝default deny模型可以收窄 scope但永远不能放宽秘密永不离开拥有它的工具每个 CLI 的故障隔离——缺失的二进制降级为诊断而不是崩溃搜索循环。文档特别指出MCP、本地优先、混合检索都能在几周内被复制但这个接口契约不能。追溯性地复制它意味着要重新架构竞争者的存储 schema。源码级证据契约如何被强制执行这四条不变量在仓库源码中都有对应实现而非停留在文档口号层面。不变量 2source-native 身份 scope 校验落在 src/datasource/types.ts 与 src/datasource/access-context.ts数据源来源被定义为斜杠层级的不透明路径slash-hierarchical opaque path例如/kakao/instance/chunks/chunk、/kakao/acct-1/chunks/c-42。它们不是 OS 路径绝不能被当作本地文件传给bash/catsrc/datasource/types.ts 的SourceDescription注释明确never a real filesystem pathDatasourceAccessContext的构造函数把没有配置可信 allow-tags直接翻译为denyAll truesrc/datasource/access-context.ts这就是默认拒绝的实现isAccessible()要求数据源描述符的 tags 与可信 allow-tags 至少有一个交集src/datasource/access-context.tsallowedSourcesPredicate()把用户作用域与可信作用域取交集用户 scope 缺失时只按可信作用域过滤用户提供 scope 时它只能进一步缩小范围src/datasource/access-context.ts。模型只能收窄、不能放宽在结果过滤层再次被强制执行src/datasource/result-filter.ts 明确写入两条安全不变量——deny 永远是显式的false空结果数组绝不用undefined充当 denyL92-L96以及过滤器从不授予访问权只收窄。模型安全工具面落在 src/agent/search-datasource-tool.tssearch_datasource_documents的参数 schema 只接受{ query, topK?, scope? }L7-L13工具描述明确authority is server-configured and tool arguments can only provide query, topK, and an optional narrowing scope——模型参数结构上就不存在授予 tag/scope的通道。scope 的归一化与匹配由 src/retrieval/scope.ts 提供normalizeVirtualPath、matchesVirtualPathScope、virtualPathScopeToRegExp把/kakao/account、/kakao/account/**这类虚拟路径与 glob 编译成匹配规则物理路径超出配置搜索根时抛出RetrievalScopeErrorinvalid-retrieval-scope防止把本地物理路径误当作虚拟 scope。不变量 4per-CLI 故障隔离体现在技能契约上src/datasource/types.ts 的index()约定永不 throw失败以 ok/fail 判别联合 诊断返回DatasourceIndexResult诊断对象DatasourceDiagnostic的source字段被约束为不透明组件/来源标签——绝不是真实文件系统路径。这与 AGENTS.md 的贡献者要求一致缺失的二进制降级为诊断绝不崩溃搜索循环。不变量 3秘密不离开拥有它的工具在 README 的数据源章节有明确约定令牌只以环境变量名被引用绝不落盘进配置子进程只接收受限环境不相关的模型/提供方密钥不会被转发README.md。诚实的风险登记文档没有回避不确定性记录了三条明确风险msgvault 或 MFS 可能在一次发布内弥合严格定义的缺口——观测时点 MFS 的第一方 MCP 是否进入 core 仍未核实unverified围绕现有爬虫/CLI 的联邦包装器可能在本扫描之后出现没有完全同款是一个时点性的负命题绑定于观测日期与上述五部分定义——定义一旦变化结论随之失效。这三条风险说明这份研究是快照而非预言它给出的是 2026-09-05 时刻的可验证证据而不是永久性的竞争优势保证。这也是文档要求不要用宽泛说法宣传没有竞争者的原因。对贡献者的意义PR 审查的过滤器文档最后把研究发现落成三条可执行的贡献者准则与 AGENTS.md 的 Product Positioning 章节一一对应拒绝或重塑任何强制把数据迁移进 AutoRAG 管理存储的 PR——这是价值 1 的直接推论。AGENTS.md 中New CLI-backed datasource一节进一步规定了实现细节CLI 必须用其自有默认存储被拉起绝不强制注入--workspace/--config/env 到空目录结果来源必须是datasourceId身份而非伪装的 OS 路径不要在宣传中主打 MCP、本地优先或混合检索——每个严肃竞争者都有这三样对应文档已商品化表格主打 provenance来源溯源、source-native 身份/ACL 与无 harness 联邦并搭配开箱即用的安装与本地快速检索。这与 README.md 价值 2Just works与价值 3Fast by design互为表里差异化主张不能只有安全契约还必须配合极低的采用门槛和可感知的响应速度。对数据源技能实现的直接影响这一竞争态势直接塑造了 src/datasource/skills/ 下每个技能的形态katok、discrawl、wacrawl、telecrawl、slacrawl、notcrawl、qmd、rclone、mailcrawl 等外部 CLI 各自保留存档、FTS 索引与向量AutoRAG 只负责受约束的子进程执行、诊断与检索映射见 README.md 的完整表格与 docs/manual-qa-datasources.md 的手动 QA 说明。这些技能的能力标记如 crawler 技能的external-cli、polling、incremental、fts5、lexical见 src/datasource/crawler-skill.ts正是契约级差异化在代码里的具体落点——它决定了某个技能是否支持scoped能力、能否进入统一检索管线以及在缺失二进制时能否优雅降级。结语一份反营销的研究文档docs/competitive-landscape-2026-09.md的独特价值在于它的自我约束主动列出自己被商品化的能力、承认最危险竞争者的结构性优势、记录诚实的不确定性风险并禁止团队使用宽泛的无竞争者叙事。配合 src/datasource/ 与 src/retrieval/ 的源码可以确认这些结论不是空洞的市场话术而是被default-deny访问上下文、显式 deny 的结果过滤器、模型安全的工具参数 schema 和斜杠层级 opaque 来源路径逐条落实的工程不变量。对于任何想理解为什么 AutoRAG 把数据联邦而非检索算法当作核心壁垒的读者这份文档连同其源码佐证就是最直接的第一手材料。【免费下载链接】AutoRAGAutoRAG: Now your agent can find anything in your computer. It gets smarter if you are using it frequently.项目地址: https://gitcode.com/GitHub_Trending/au/AutoRAG创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考