My Knowledge Base | AI知识库问答平台
面向文档问答场景的 AI 知识库平台，支持上传、入库、检索问答。
把 upload -> ingestion -> QA 串成完整闭环，覆盖上传、入库编排和问答输出，不是只停留在单一问答界面。
支持 OCR 识别图片和扫描件，并与 Dify 的知识检索 / 问答链路联动，适合做内部文档问答验证。
问答结果带 Sources（来源引用），方便追溯答案依据，也更适合作品集展示。
Verified Outcomes
可验证结果
这里不写虚高的性能数字，只收束当前仓库和页面里可以直接验证的工程结果。
文档闭环
上传、入库、检索、问答四个环节已经连成一条链路，可以直接验证功能完整性。
识别能力
普通文档与图片 / 扫描件 OCR 都能进入同一套知识处理链路。
引用追溯
答案带来源引用，便于校验问答依据，也更适合作品集展示。
项目背景 / 目标
- 把内部文档转换成可问可答的知识库，验证知识接入、检索和问答链路。
- 沉淀一个适合本地演示和作品集展示的 AI 知识库平台案例。
我的职责
- 负责后端接口、文档上传、入库编排、问答链路联调。
- 负责本地部署、验收截图、README 和项目说明整理。
- 负责把上传、识别、检索、问答和来源引用收口为可展示的工程闭环。
Evidence
关键页面与交付证据
保留能说明上传、检索和答案引用的截图即可，避免把图片墙做成页面堆叠。
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
这个项目适合展示“知识接入 + 检索问答 + 来源追溯”这条链路的工程化实现。它不是简单的聊天界面，而是把上传、入库、OCR 识别、问答和引用收口成一个可演示的平台。
面试里适合继续追问的点
- 上传后的入库编排是如何组织的
- OCR 识别和文档问答怎样接到同一条链路里
- 为什么要保留 Sources 来源引用
- Dify、Spring Boot 和前端是如何分工的
如果继续迭代
- 增加更细的文档解析与分段策略
- 补充知识库权限和多人协作能力
- 加强问答质量评估与失败案例收集
项目边界说明
- 不做复杂知识图谱。
- 不做多租户 SaaS 权限体系。
- 不做大模型训练，只做知识库接入与应用层编排。