文档智能问答与向量检索服务产品系统

文档型资料（产品手册、内部制度、常见问题库）想做成可提问的问答服务，但有两个硬约束：答案必须标注来源出处以便人工核对，且不能依赖按次计费的云 API；涉密资料还要求完全不出内网。这类需求常见于文档沉淀量大、同时对数据外流敏感的团队与个人。

把静态文档目录变成可检索、可问答的私有知识库。功能模块：① 数据链路——扫描文档目录、按语义切片、本地生成向量、写入知识库集合，四步串联；② 异步构建——后台任务负责 embedding，通过状态轮询获取进度，避免长任务阻塞主流程；③ 连接隔离——每个任务使用独立数据连接，避免文件句柄耗尽导致进程挂掉；④ 目录过滤——排除低信噪比的历史归档目录，提升检索命中质量；⑤ 增量更新——向量支持按需重传，不需要每次重建全库。

我独立完成从数据链路到问答接口的全部设计与开发。技术栈：Python、本地 Embedding 模型、向量检索、Open WebUI 知识库接口、REST。实现亮点：一是异步 embedding 配合状态轮询，长任务不阻塞主流程；二是任务级独立连接，解决批量导入时的句柄耗尽问题；三是目录级过滤与切片策略调优，明显提升检索命中质量。结果：提问返回答案并标注来源出处，可逐条人工核对；整套系统可断网运行，无按次计费的 API 成本；资料不出内网。