🤖 Powered by RAG + OpenClaw

基于本地文档的智能问答

上传 PDF、Word、Excel、PPT，AI 自动理解文档结构，支持精确引用和来源追溯，开箱即用。

// Features

为什么选择这套方案？

📄

多格式支持

支持 PDF、Word、Excel、PPT、Markdown 等主流文档格式，自动解析文本和表格结构。

🎯

精确引用

每个答案都有来源标注，点击可直接跳转到原文对应位置，支持页码精确定位。

🔒

本地部署

所有数据存储在本地，无需上传到云端，保障企业敏感信息安全。

⚡

快速响应

基于向量检索和混合索引，毫秒级返回检索结果，即问即答无需等待。

🌳

智能结构理解

采用 PageIndex 树状索引技术，理解文档的章节层次，适合长文档深度分析。

💬

飞书集成

通过 OpenClaw 直接接入飞书，在飞书里 @ 机器人即可提问，结果自动推送。

// Architecture

系统架构

📥 文档接入层
PyMuPDF / python-docx

🔧 索引构建层
LangChain / m3e-base

💾 向量数据库
ChromaDB / PageIndex

🔍 混合检索
向量 + BM25 + RRF

✍️ 答案生成
LLM + 上下文组装

💬 交互界面
OpenClaw + 飞书

// Quick Start

快速开始

# 1. 安装依赖
pip install chromadb sentence-transformers langchain
pip install pymupdf python-docx openpyxl

# 2. 索引知识库
python index_knowledge.py --path ./docs/

# 3. 启动问答服务
python qa_server.py

# 4. 提问
result = qa_engine.query("这份财报的核心营收是多少？")
print(result.answer)
print(result.sources)  # [{"page": 5, "text": "..."}]
  

// Design Tokens

设计规范 (Vercel Design System)

Display / 48px / 600 知识问答

Heading / 32px / 600 系统架构

Body / 16px / 400 基于本地文档的智能问答系统，支持多格式文档解析和精确引用。

Small / 14px / 400 这是辅助说明文字，用于卡片描述和次要信息。

Mono / 13px const answer = await rag.query(question);

// Color Palette

#171717

#ffffff

#0072f5

#0a72ef

#ebf5ff