零代码文档驱动大模型开发---AI办公助手系列-本地知识库让AI跨问答

前几篇，把办公软件从"能转换格式、能编辑 PDF"，做到了"AI 能直接动手改文档、填表格"，还顺手把简历从写到投做通了。但做得越多，越发现一个绕不开的坎：AI 再能干，它一次也只能"伺候"眼前打开的这一份文档。

电脑里攒了几十上百份文档——周报、合同、会议纪要、项目复盘。想问一句"我上个月那几份周报里，都提到过哪些项目风险？"，它会愣住：这问题得翻遍一堆文档才能答，可它眼里只有你正开着的那一份。

这一篇，就是让 AI 从"只看眼前一份"，进化到"能翻遍你整台电脑"。

一、项目需求

单文档 AI 的天花板，就是"打开哪份聊哪份"。真正办公的人，问题往往是跨文档的：哪份合同里有这条违约条款？这几个月的销售表里，华东区哪个月最好？

所以要做的是：把本地的 Word、表格、PDF（包括扫描件）变成一座可问答的知识库。你用人话提问，AI 跨文档找答案，并且精确告诉你答案出自哪份文档、哪一段（哪一页、哪一行），点一下直接跳过去。

底线，还是那三条：本地、离线、数据不出本机。文档不上传，把文字变成"向量"这一步在本地算，最后的问答接国内大模型。这条底线，决定了后面几乎每一个技术选择。

二、项目功能

加入知识库：右键任意文档（Word、PDF、表格），点「加入知识库」，填个标签（课程名 / 项目名），本地分块 + 向量化入库。

知识库问答：侧栏 AI 面板点「知识库」，切到问答模式，跨文档用人话提问，还能按标签圈定范围。

扫描件进库：没有文字层的图片型 PDF，走本地 OCR 把字认出来，同样能进库。

三、藏在功能背后的思维链

决策一：向量检索，我为什么用"本地小模型 + 笨办法"

知识库问答的套路是"文档切块 → 每块算向量 → 问题算向量 → 找最像的几块喂给大模型"。这里有两个岔路：

一是向量用谁算。云端接口又快又准，但要把文档发出去，违背"数据不出本机"。于是用 onnxruntime 在本地跑一个中文向量小模型（量化后 23MB），跟 OCR 同一个家底，复用不增依赖。

二是向量怎么搜。有专门的向量数据库，但都是原生模块，Electron 打包又要踩坑（OCR 已领教过）。算了笔账：个人本地用，几百几千个分块顶天，拿问题向量逐个算余弦相似度，实测 7 毫秒——根本用不上重型武器。就用这个笨办法，再叠一层 SQLite 全文搜索兜底精确词。

思维沉淀：选型不是越大越全越好，是"够用 + 少踩坑"。本地小模型 + 暴力循环，同时解决"数据不出本机"和"不引入新打包坑"。小规模问题能被笨办法兜住，就别上重型依赖。

决策二：引用溯源，关键不在"能标"，在"能跳"

AI 跨文档给答案，最要命的是"不可信"——它从哪找的？是不是瞎编的？不解决这个，知识库问答就是个聊天玩具。

解法是在入库时给每块内容打上"原生坐标"：Word 记段落、PDF 记页码、表格记行号。答案里的 [1][2] 渲染成可点链接，点了直接跳过去。

思维沉淀：引用溯源的价值不在"标出来"，在"点过去"。跟前几篇"坐标唯一基准"是同一件事——每块内容从进库起就带着它在原文档里的"身份证"。有了它，答案才从"看着像"升级成"可核验"。

决策三：扫描件进库，以及"判空"的坑

扫描件 PDF 是图片，没有文字层，直接提文字是空的，进不了库。解法：提文字是空的→ 判成扫描件 → 逐页渲染 → 本地 OCR 认出字 → 按页存库。 OCR 是之前"扫描 PDF 转 Word"攒的家底，拿来就用。

但踩了个隐蔽的坑：那个 PDF 解析库，即使 PDF 没文字层，也会自动给每页塞"-- 1 of 3 --"这样的页码标记，结果扫描件被误判成"有文字"、跳过 OCR。解法：先把这种自动加的页码过滤掉，再判空。

思维沉淀："空"要判得干净。判断"到底有没有内容"之前，先确认你依赖的信号干不干净——第三方库的"贴心"默认行为，常常是 bug 的温床。

四、踩坑小记

几条零散但真实的坑：

• 模型路径：打包后模型文件的位置，和开发、测试环境不一样。app.getAppPath()在自动化测试环境会返回一个错误的路径，改用process.cwd()才稳。

• 打包体积：onnxruntime 的 web 版被打进了主进程，白占 20 多 MB。用一个空 shim 顶掉、再在打包配置里排除它，安装包从 339MB 降到 320MB。

• 表格测试快照：手写表格的测试数据，必须带 sheet 的 id 和行列数，否则表格引擎直接报 "No active sheet found"。

• PDF 跳页：跳页逻辑得等 PDF 加载完（页数大于 0）再执行，否则会被提前清掉，跳页失效。

下篇预告

"跨文档"这条线的第一站，走通了。下一步两个方向：一是把现在"标签过滤"的简化版，升级成真正相互隔离的多知识库；二是让 AI"会找"再"会改"——不仅告诉你答案在哪，还能顺手替你把它改掉。