· RAG KNOWLEDGE BASE Q&A
## / WHAT IT IS
基于开源 LobeChat 框架 + 自定义 Embedding Provider 打造的企业级 RAG（Retrieval-Augmented Generation，检索增强生成）问答系统。支持 PDF / Word / 网页多格式文档导入，私有数据不出域，可本地化部署到企业内部网络或私有云。
完整 RAG 流程：文档解析 → 文本切片 → Embedding 向量化 → pgvector 存储 → 用户提问 → Top-K 检索 → LLM 生成答案。每一步都可观测、可调参、可替换为自研组件，适合企业内部 AI 助手 / 客服 / 文档检索场景。
## / FEATURES
私有化部署
Docker Compose 一键部署到企业内部网络，数据完全自主可控。支持 ARM / x86 架构，已在多家企业内网验证。
多格式文档
PDF / Word / Markdown / HTML / Notion 导出全格式支持，OCR 识别图片内文字，HTML 清洗 + 段落切分。
企业微信 / 飞书集成
可对接企业微信 / 飞书 / 钉钉机器人，员工在群里@机器人即问即答，无需切换平台。
pgvector 高效检索
PostgreSQL + pgvector 混合检索（向量 + 关键词 BM25），Recall@5 = 0.91，平均查询延迟 2.3 秒。
## / TIMELINE
2024.Q4
LobeChat 部署
Docker 容器化 LobeChat + 基础 RAG 链路（PDF 解析 + OpenAI Embedding + LLM 生成）。
2025.Q1
自定义 Provider
对接自有 Embedding 服务（BGE-large-zh）+ 自托管 LLM（vLLM 部署 DeepSeek），摆脱 OpenAI 依赖。
2025.Q2
企业微信集成
对接企业微信机器人 + 飞书机器人，员工在群里即可使用。已服务 3 家企业内部团队。
2025.Q3+
多租户 SaaS
增加管理后台 + 多租户隔离 + 计费体系，开放给中小企业按需订阅。
## / TECH STACK
## / BY THE NUMBERS
0
Indexed docs (Demo)
0s
Index latency (PDF)
0.0
Recall@5
0.0s
Query latency P50
scroll to continue ↓
## / BY THE NUMBERS
0
Indexed docs (Demo)
0s
Index latency (PDF)
0.0
Recall@5
0.0s
Query latency P50