花拾录产品系统

花拾录是一个个人运营的「技术与日常知识分享」站点：既沉淀知识型文章，也提供类似贴吧的社区讨论。业务背景是内容由 AI 管线每天自动生成约 10 篇、同时开放用户投稿与讨论，单人维护、无专职运营团队。

项目按「知识库 + 社区 + AI」三条主线组织：

1. 知识库：文章列表与详情、分类与标签、归档、热门榜；
2. 全文搜索：关键词精确匹配 + 分词 + 向量语义，三通道混合检索后 RRF 融合排序；
3. 站内问答：检索片段后生成带引用的回答，引用经后校验（越界或零引用即判不可信，重试一次仍不合格则降级为只给文章列表）；
4. 相关文章：按内容语义相近排序推荐（向量近邻，在线计算约 35ms）；
5. 社区：吧、帖子、楼中楼回复、点赞收藏关注、通知；
6. 用户创作链：草稿 → 合规预检 → 待审 → 发布；
7. 管理后台：审核队列、公告、反馈、AI 管线触发与健康状态；
8. AI 管线：每日生成、讨论帖补齐、向量索引每 15 分钟对账、生成前语义查重；
9. 移动端：uni-app 安卓 App 与小程序，与网页共用同一套接口。

个人独立项目：从架构设计、前后端开发、AI 管线到部署运维全部由我完成。

技术栈：Vue 3 + TypeScript + Naive UI（站点主入口）；Java 21 + Spring Boot + MyBatis（全部 /api/**）；Python + FastAPI（AI 管线）；PostgreSQL 17 + pgvector + pg_trgm；fastembed 本地 ONNX 推理（bge-small-zh-v1.5，512 维，不联外网）；uni-app 移动端；Docker Compose + nginx + frp 隧道 + HTTPS。

难点与亮点：
1. 检索三通道 + RRF 融合：量出「带空格必然返回 0 条」的根因后重做检索，并用 35 条人工评测集把 hit@5 拉到 100%；
2. 防幻觉做成机制而非口号：引用后校验在结构上拦住「模型编引用」，不可信的回答返回不出去；
3. 阈值靠标定不靠拍：区分「一句话→文章」与「文章↔文章」两套尺度，量出阈值 0.25；
4. 弱依赖必须可被发现：向量服务不可用时自动降级，并留下 WARN、计数与管理侧可见状态；
5. 契约驱动：从真实响应抓样本 → 生成 OpenAPI → 生成客户端类型，避免前后端各自漂移；
6. 可执行验收：契约、时间基准、分页完整性、边界行为、真浏览器回归五组。