夜雨聆风公司技术文档堆了几千篇？我用 AI 3 天搭了个智能搜索，同事都问我要链接
01. 痛点：找文档比写代码还难
去年接手了一个老项目，项目文档分散在各种地方：
Confluence 上几百篇 Wiki 飞书云文档几百个 本地电脑各种 Word、PDF、Markdown 代码仓库里的 README
每次新人问问题，我就要在这些文档里翻半天。
最离谱的是，有个同事问"用户认证接口怎么调用？"，我找了 2 小时才发现，文档早在 3 个月前更新过了，但我还在看旧版本。
找人问太慢，自己搜太累，这日子没法过了。
02. 灵感：AI 搜索应该能解决这个问题
某天刷技术文章，看到个词：RAG（Retrieval-Augmented Generation，检索增强生成）
简单说就是：
先在文档库里找相关内容 把找到的内容喂给 AI AI 根据这些内容生成回答
这不就是我想要的吗？
不用自己翻文档，AI 帮我找，AI 帮我答！
03. 动手：3 天搭了个智能知识库
核心思路
用户提问 → 文档向量化检索 → 找到相关片段 → AI 生成回答技术栈
后端：Spring Boot 3.x + Java 17 AI 能力：OpenAI API（智谱 AI、通义千问都支持） 文档处理：Apache POI（Word）+ PDFBox（PDF） 前端：Thymeleaf + Bootstrap 5
关键实现
1. 文档切片
长文档直接向量化太贵，所以要切片：
// 每段 500 字符，重叠 50 字符List<String> chunks = textChunker.chunk(content);2. 向量化存储
把每段文字转换成向量：
// 使用 Embedding APIDouble[] embedding = embeddingService.embed(chunkText);3. 语义检索
用户提问时，先把问题向量化，然后计算和文档片段的相似度：
// 计算余弦相似度double similarity = VectorSimilarity.cosineSimilarity( queryVector, chunk.getEmbedding());4. RAG 问答
把最相关的 Top-5 片段拼起来，扔给 AI：
String context = "上下文：片段1 + 片段2 + ...";String answer = ai.generateAnswer(question, context);就这么简单！
04. 效果：同事都问我要链接
上线第一天，就炸了。
场景一：新人入职
以前：HR 给新人一堆文档，新人翻了一周还在问基础问题 现在：新人问"怎么配置数据库？"，AI 10 秒给出答案+代码示例
场景二：代码评审
以前：Reviewer 要翻各种文档确认代码规范 现在：AI 告诉你"这个接口要求幂等性，当前实现有问题"
场景三：技术分享
以前：每次分享都要翻半天资料 现在：AI 直接给出相关文档+最佳实践
效率提升不是一点点。
05. 成本：几乎为 0
开发时间：3 天（包括测试） API 成本：每问答一次约 0.001 元 服务器成本：一台 2 核 4G 的 VPS 足够
比招一个专职文档管理员便宜太多了。
06. 代码开源了
完整项目已经上传到 Gitee，包括：
完整的前后端代码 详细的部署文档 一键启动脚本 支持多种 AI 模型（OpenAI、智谱、通义千问）
仓库地址
👉 https://gitee.com/smile-smily/rag-knowledge-base
快速开始
git clone git@gitee.com:smile-smily/rag-knowledge-base.gitcd rag-knowledge-base# 修改 application.yml，配置你的 API Key# ./start.sh 启动5 分钟就能跑起来。
07. 适合谁用
技术团队：API 文档、技术规范、最佳实践 产品团队：需求文档、设计规范 客服团队：常见问题、解决方案 HR 团队：规章制度、福利政策
任何有知识库需求的团队，都能用。
08. 后续优化
这只是 MVP 版本，还有很多可以做的：
[ ] 集成专业向量数据库（Milvus） [ ] 支持图片、表格检索 [ ] 添加用户权限管理 [ ] 支持多语言检索 [ ] 接入企业 IM（飞书、钉钉）
如果你感兴趣，欢迎一起来完善。
最后
如果你也在为找文档发愁，不妨试试这个方案。
代码已经开源，拿去用就好。
有问题可以提 Issue，或者直接在下面评论交流。
推荐阅读：
《7年Java程序员实测：ChatGPT API怎么接入？完整代码》 《用OpenAI API写一个AI写作助手，2小时搞定》 《作为Java程序员，我再也不写重复业务逻辑了！靠AI Agent一周干完一个月的活》
👉 项目地址：https://gitee.com/smile-smily/rag-knowledge-base
如果觉得有用，点个「在看」支持下～
