本地 AI 知识库自动化系统产品系统

笔记与资料积累到 3600 多份后，检索只能靠翻文件夹，旧内容沉淀下来就变成死数据；同时又不愿把内部资料上传到云端做检索，希望有一套能离线运行、答案可核对的私有知识库。这类需求普遍存在于有产品手册、FAQ、制度文档的中小团队与个人知识管理场景。

把散落的 Markdown 笔记与文档，变成可提问、带出处、能自己更新的私有知识库。功能模块：① 分层存储——按"原始记录 / 项目档案 / 长期记忆"三层组织资料并按主题归类；② 每日自动同步——定时读取新增内容、调用本地大模型生成摘要、写回知识库并回流向量库，全程无人值守；③ 向量检索问答——提问返回答案并标注来源出处，可逐条人工核对；④ 增量更新——按内容 hash 比对，仅处理发生变化的文件；⑤ 容错降级——本地模型不可用时自动降级为抽取式摘要，任务不中断。

我独立负责全链路设计与开发。技术栈：Python 3 标准库为主（sqlite3、urllib）、本地大模型（Ollama）、本地 Embedding 向量检索、launchd 定时调度、文件系统批处理。实现亮点：一是三级降级容错，模型调用失败不影响主流程；二是按内容 hash 的增量更新，避免全量重跑；三是源库只读打开，避免锁库导致写入失败。结果：连续自动运行 3 个月、人工干预 0 次，管理 3600 多份文件，API 成本为 0，可完全断网运行。