个人知识管理agent产品系统

立项原因： 开发者在日常学习中积累了大量文章、教程和技术资料，但内容分散、难以检索，导致"看过但想不起来"的知识浪费问题普遍存在。现有收藏工具（浏览器书签、笔记应用）只能做到"存"，无法做到"用"。

行业场景： 面向个人开发者和知识工作者的学习管理场景。用户每天消费大量技术内容，需要在实际开发中快速调取相关知识，但传统知识管理工具缺乏语义理解能力，无法根据问题意图检索到最相关的历史内容。本项目通过 RAG 技术将已读内容向量化入库，结合对话式 Agent 实现"问答式知识回溯"，将个人学习内容转化为可持续复用的私有知识资产。

项目包含四个核心功能模块：①浏览器插件一键收藏文章，支持"想看/已看"两种状态管理；②已读内容自动向量化入库，基于 ChromaDB 实现语义检索；③对话式知识问答 Agent（qa_agent），支持多轮追问；④每周学习盘点 Agent（digest_agent），自动生成阶段性学习总结。主要功能是将用户浏览过的技术文章转化为可检索的私有知识库，用户通过自然语言提问即可召回相关内容并获得总结性回答，解决"看了忘了"的知识沉淀问题。

负责项目从零到一的完整落地，包括系统架构设计、后端 Agent 开发、前端页面实现及 Chrome 插件开发。技术栈：后端使用 Python + FastAPI + LangChain + ChromaDB（向量数据库）+ SQLite，前端使用 React + TypeScript + TailwindCSS，插件使用 Chrome Extension Manifest V3。实现亮点：引入 Ragas 评估框架对 RAG 效果进行量化，最终 faithfulness 达 0.9278、answer_relevancy 0.8096、context_recall 1.0；采用 500 字切块 + 50 字 overlap 策略优化检索精度；多轮对话支持 token 截断控制上下文长度。