返回项目列表

Project Overview

My Knowledge Base｜AI 知识库问答平台

基于 Spring Boot、FastAPI、React/Vite、PostgreSQL/pgvector 与 Ollama 的 AI 知识库平台，覆盖文档上传、异步入库、向量检索、RAG 问答和 Sources 展示。

01

把登录、知识库创建、文档上传、异步入库、切片与向量化、检索问答和 Sources 展示组织为一条完整的本地 RAG 工程链路。

02

按职责拆分 Java 业务后端与 Python RAG 服务：Java 承接用户权限、文件存储和任务状态，FastAPI 承接解析、切片、Embedding、检索与生成。

03

在检索层保留 score threshold、无命中拒答和来源片段，避免把模型生成包装成不可追溯的黑箱回答。

Verified Outcomes

可验证结果

这里不写虚高的性能数字，只保留公开简历、项目材料和页面中可以核验且边界清楚的结果。

3 层

职责拆分

React 工作台、Spring Boot 业务后端和 FastAPI RAG 服务职责明确，便于解释跨语言服务边界。

1 条

RAG 代码链路

解析、切片、Embedding、pgvector 检索、生成和 Sources 返回已在当前代码中形成闭环。

Sources

回答追溯

问答结果保留来源片段与检索信息，便于校验答案依据并展示拒答边界。

Context

项目背景 / 目标

构建一套可本地运行的私域文档问答平台，验证业务系统与 RAG 服务协同的完整工程链路。
从早期 Dify 集成方案继续演进到可控制解析、切片、Embedding、pgvector 检索和回答边界的本地 RAG 方案。

Ownership

我的职责

负责 Spring Boot 业务后端、React/Vite 问答工作台与 FastAPI RAG 服务之间的接口和职责划分。
负责文档上传、任务状态、解析切片、向量入库、TopK 检索、生成回答与 Sources 返回链路。
负责本地运行方式、项目文档、失败边界和后续验收入口整理。

Interview Notes

面试可继续展开

这部分不重复上面的总览结论，只保留适合继续追问的判断、取舍和后续迭代方向。

为什么这个项目值得看

这个项目用于展示 AI 应用工程不只是调用模型 API。业务后端负责认证、权限、文件和任务状态，RAG 服务负责解析、切片、向量检索和生成，前端则把答案、来源和处理状态组织成可使用的工作台。

面试里适合继续追问的点

为什么把 Java 业务后端和 Python RAG 服务拆开
文档从上传到 pgvector 入库经历了哪些阶段
score threshold、无命中拒答和 Sources 分别解决什么问题
为什么从 Dify 方案演进到本地 RAG，以及当前还缺哪些真实验收

如果继续迭代

跑通真实 Ollama、FastAPI、Spring Boot 与 React 全服务联调
更新本地 RAG 问答截图和真实失败样本
补充召回评估、复杂文档解析和生产级可观测性

Boundary

项目边界说明

当前本地 RAG 核心代码已经落地，但真实 Ollama 模型连通、全服务联调和 Linux 宿主机部署仍待独立验收。
公开 GitHub main 仍保留早期 Dify 版本；本地 RAG 改造分支尚未同步到远程，因此链接只作为项目演进起点。
现有公开截图来自早期 Dify 阶段，不能充当本地 RAG 新链路证据；新截图需要在真实联调后补充。