目一句话介绍
这是一个面向「本地文档」的 RAG（检索增强生成） 工具：解析 → 分块 → 向量化 → 检索 → 生成回答 → 引用溯源，侧重先把闭环跑通，适合个人整理资料、小团队验证场景、以及对 AI 应用感兴趣的同学练手。
核心能力
- 多格式文档：TXT / Markdown / PDF / Word，上传后解析文本
- 分块 + 向量：把长文档切成可检索片段，再入库
- 混合检索思路：语义 + 关键词辅助（具体策略可按场景调参）
- 对话问答：支持多轮上下文（便于连续追问）
- 引用溯源：回答可展开参考片段与来源，便于核对可信度
- 知识库与会话管理：文档分组、预览、删除；多会话切换
- 本地持久化：IndexedDB，刷新页面数据仍在
技术选型（为什么这样搭）
- Vue 3 + Vite：上手快、部署简单
- Pinia：会话与知识库状态管理
- IndexedDB（Dexie）：前端本地存储向量与文档元数据
- 线上部署：静态站点 + Serverless（便于隐藏密钥、做简单统计）
实现要点
一次提问的典型链路是：
- 用户输入问题
- 从向量库检索相关片段（可按文档/标签收窄范围）
- 把检索结果拼进上下文，调用大模型生成回答
- 前端展示回答，并附带「参考来源」
对我来说，引用溯源不是锦上添花，而是这个类产品能不能「用得放心」的分水岭。
线上 Demo 与访问说明
完整体验入口在这里：
你可以按这个最短路径体验：
- 打开站点 → 进入主应用
- 上传一份你自己的文档（制度、手册、笔记都可以）
- 提一个具体问题 → 展开查看引用来源是否对齐你的材料
局限与诚实边界（发文加分项）
纯前端方案非常适合 MVP / Demo / 内部小范围试用，但如果你有这些诉求，就要规划后端能力：
- 强账号体系与权限审计
- 按 IP / 用户维度的严格配额与风控
- 高并发与集中式运营数据
我会在后续文章里拆一版「从前端 MVP 平滑升级到可控生产形态」的路线。
结语 & 互动引导
如果你也想做一个「能演示、能迭代」的 RAG 小工具，可以先从这个 Demo 体验入手：
欢迎在评论区聊聊：
- 你最希望知识库优先支持哪种文档或场景？
- 你更看重「回答速度」还是「引用可追溯」？
- 如果你部署了自己的版本，遇到了哪些坑？
若反馈多，我会整理一篇 部署清单 + 常见问题 FAQ，方便后来者一键复现。
