将个人笔记变成可追问、可溯源的 AI 知识助手。
上传文档后，用户通过统一聊天入口提问，由 Agent 按需检索知识库、组织回答，并展示引用原文与工具执行过程。
- 统一问答入口：无需切换 RAG / Agent 模式，AI 知识问题优先检索笔记，其他问题由 Agent 判断如何回答。
- 可追溯的回答：点击回答中的引用编号，查看对应文档与原文片段。
- 可见的执行过程：展示工具调用参数、执行状态和返回内容，让用户了解回答的依据。
- 连续追问：保留会话上下文，围绕同一主题继续提问。
- 文档与对话：支持 Markdown、TXT、PDF 上传，以及流式回答、停止生成和新建对话。
- 前端：Next.js、React、TypeScript
- 后端与 Agent：FastAPI、LangChain、LangGraph
- 存储与检索：PostgreSQL、pgvector、zhparser、Redis
- 评测与观测：Ragas、Prometheus
需要 Docker Compose 和可用的 OpenAI 兼容模型服务配置。从仓库根目录执行，已有 .env 时保留原配置：
cp .env.example .env
# 填写模型服务地址、API Key 与模型名称
docker compose up --build打开 **http://127.0.0.1:3000**，上传 AI 示例语料，尝试：
- “根据笔记，RAG 的召回、精排和生成分别负责什么？”
- 点击回答中的引用，查看来源原文。
- 继续追问：“为什么不能省略召回，直接对全库做精排？”
分服务启动与测试命令
需要 Python 3.12、Node.js 20.9+。先配置根目录 .env，以下服务分别在独立终端运行。
docker compose up -d postgres redis
# Knowledge
python3.12 -m venv services/knowledge/.venv
services/knowledge/.venv/bin/pip install -r services/knowledge/requirements.txt
PYTHONPATH=services/knowledge services/knowledge/.venv/bin/python -m scripts.init_db
services/knowledge/.venv/bin/uvicorn --app-dir services/knowledge app.main:app --port 8000
# Agent：先初始化 checkpoint 表，再启动服务
python3.12 -m venv services/agent/.venv
services/agent/.venv/bin/pip install -r services/agent/requirements.txt
PYTHONPATH=services/agent services/agent/.venv/bin/python -m scripts.init_checkpointer
services/agent/.venv/bin/uvicorn --app-dir services/agent app.main:app --port 8100
# Web
npm --prefix apps/web ci
npm --prefix apps/web run dev测试与检查：
PYTHONPATH=services/agent services/agent/.venv/bin/python -B -m unittest discover -s services/agent/tests -v
npm --prefix apps/web test
npm --prefix apps/web run lint
npm --prefix apps/web run build
docker compose config --quiet
# 可选：在数据库中创建并清理随机测试 schema，验证持久化
AGENT_POSTGRES_TEST=1 PYTHONPATH=services/agent services/agent/.venv/bin/python -B -m unittest discover -s services/agent/tests -p test_postgres.py -vAPI 文档：Knowledge http://127.0.0.1:8000/docs · Agent http://127.0.0.1:8100/docs