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～