文档驱动开发-信息智能萃取-本地知识库:内容存得住、找得到、带得走

一、项目需求

需求可以用三个动词概括。一是存得住：处理过的内容自动入库，不需要我手动整理归档——“整理”这件事一旦靠自觉，就等于不做。二是找得到：过了一个月，我只记得只言片语，也要能把它翻出来。三是带得走：内容是我的，必须能导出去发给同事、贴进笔记软件，不能被工具绑架。

目前实现的痛点功能：

• 输入：在“全文检索”框里输入一个词，比如“绩效”。

• 输出：只有包含这个词的条目留下来，并且直接显示命中位置前后的原文片段——不用点进去，光看片段就知道是不是自己要找的那条。

演示 2 · 一条会议纪要，一键变成 Word 发出去

• 输入：点开知识库里的会议纪要条目，右上角选导出格式。

三、藏在功能背后的思维链（重点）

知识库这个模块，同样有三个决策值得讲讲。

决策一：中文搜索，难在“没有空格”

英文按空格切词就能建索引，中文“绩效考核”四个字连着，切错了搜“绩效”就找不到“绩效考核”。解法是一种叫 trigram 的经典技术：不管词义，把文本按“每三个字一组”滑动切开建索引，搜索时同样切分，一匹配就命中。不聪明，但稳定可靠；本地索引，断网也能搜。

思维沉淀：经典方案不是过时的方案，而是被时间验证过的方案。

决策二：自动分类，我故意没用“AI 分类”

我反着来，用了一张明明白白的规则表：命中“会议、绩效、汇报”多就归会议纪要，命中“教程、例题”多就归课程学习。为什么故意“笨”一点？可解释——分错了你知道为什么；可修正——界面上点一下就改过来；零成本——不用为分类再背一个模型。

思维沉淀：简单可解释的规则，好过玄乎但不可控的“智能”。工具的第一要务是让人信得过。

决策三：连数据库也要“分家”

知识库的数据库模块和界面框架存在底层版本冲突，硬塞在一起要么编译不过、要么莫名闪退——和第 1 篇 AI 引擎的问题如出一辙。解法也是同一个：数据库搬出去单过，界面通过消息和它通信。现在界面、识别、数据库三户独立，互不干扰。

思维沉淀：好架构不是设计出来的复杂，而是拆出来的简单。两个东西天生合不来，最省事的做法是保持距离。

四、下一步：还要做什么

1. 同主题自动聚类：比如所有跟“产品规划”相关的笔记自动串成一条线，让知识库越用越结构化。

2. 知识库一键备份：整个库打包成一个文件，换电脑、重装系统都能原样恢复。

3. 批量导出：按分类、按时间段批量导出，比如“把这个月的会议纪要全部导成 Word”。