把文档做成「可问·可查·可视」：知识库背后的检索与图谱工程

知识库常见的形态有两种：一种是能搜关键词的 wiki，一种是能问答的向量库。我们想把两者合一——让同一批 Markdown 文档，既能被语义检索、又能被 AI 问答、还能可视化成一张关系图。这就是知识库的定位：可问 · 可查 · 可视。本文拆解它背后的工程实现。

可查：从关键词到语义

文档以 Markdown 存储，检索侧做了三件事：

• 分块 + 嵌入：正文按段落贪心打包成不超过设定长度的块，块间保留重叠（chunk + overlap），并给每块前置标题以带上主题上下文；逐块用 BAAI/bge-m3 生成向量，存进 PostgreSQL 的 pgvector 列并建 HNSW 索引。
• 混合召回 + 重排：一次检索同时跑关键词（全文）与向量（语义）两路召回，合并去重后用 bge-reranker 精排取 topN，兼顾"字面命中"与"语义相近"。
• 查询改写：查询先经一个轻量 LLM 改写（纠错 / 扩展同义），再进检索，提升召回率。

一个容易踩的坑：纯语义检索会把"语义相近但其实无关"的内容也召回。我们的做法是——只返回与问题有词面重叠的来源，杜绝问候语、元问题硬凑无关文章。

可视：双向链接自动长成关系图谱

文档之间用 [[标题]] 双向链接（wiki 风）。系统在此之上自动生成两类可视：

• 关系图谱：抽取文档实体与链接，生成可拖拽的力导向图——拖拽移动、悬停高亮、点击进入文档（GraphRAG 思路）。
• 被引用 / 未链接提及：自动聚合"哪些文档引用了本文"，以及"提到了本文标题但还没建链接"的文档，方便补全知识网络。

正文渲染走 goldmark（GFM 扩展：表格 / 任务列表 / 删除线），并内建 Mermaid 图的拖拽可视编辑器——流程图、时序图不用手写语法也能画。

可问：检索增强的问答

AI 问答页基于 RAG：先检索与问题相关的块，拼进 prompt，交 LLM 作答，并把来源文档一并列出可溯源。为了成本与延迟可控，嵌入 / 重排 / 工具 / 画像四条模型通道各自独立配置——嵌入用 bge-m3、重排用 bge-reranker、工具类问答可挂更快的模型，后台按服务商随时切换。

几个工程取舍

• 为什么用 PostgreSQL + pgvector，而不是独立向量库：文档元数据、全文、向量在同一套库里，事务一致、备份与运维只有一处，省掉跨库同步的复杂度，对企业私有化部署尤其友好。
• 启动期回填：新增与存量文档的向量在服务启动时后台回填，不依赖"首个用户请求"触发，避免首查变慢。
• Wiki 级体验：每篇文档有目录（TOC）、上一篇 / 下一篇、双向链接与反向链接，读起来像一本可导航的手册，而不是一堆孤立页面。

不止是"公开文档"

除了公开知识库，每个会员还有个人知识库（默认仅自己可见），可以"申请公开"经管理员审核后并入公共库；批量灌库有 Open API，方便把已有资料一键导入。前台访问控制按"前端访问权限组"逐层生效，受限内容不会出现在列表、详情或首页板块里。

知识库的价值不在于存了多少文档，而在于文档之间能不能被检索、被追问、被看见关系。可问、可查、可视——这三件事凑齐，静态文档才真正变成"活"的知识。

使用和体验

知识库产品页面：点击进入