AI 知识库问答系统（RAG · 文档上传 / 引用溯源）产品系统Vibe Coding

企业内部文档（员工手册、制度、产品资料）散落在各处，员工查条款效率低，HR 和客服长期重复回答同类问题。本系统面向中小企业与团队：上传自己的文档后，即可获得一个基于自有知识的 AI 问答助手，适用于内部知识检索、智能客服、新人培训答疑等场景。

系统包含四大模块：① 文档上传与解析：支持 PDF / Word / 纯文本，自动分段切块；② 向量化与检索：调用 Embedding 模型将文本向量化，余弦相似度检索最相关片段，支持本地 JSON 与 Supabase pgvector 双后端；③ AI 问答：基于检索结果拼装上下文，大模型流式生成回答，回答附带引用溯源，可对应到原文出处；④ 多用户隔离：每个浏览器独立空间 ID，数据互不可见。核心体验：上传文档 → 自动构建知识库 → 自然语言提问 → 获得带引用的准确回答，支持连续追问。

独立完成全部前后端开发。技术栈：Next.js 15 + React 19 + TypeScript，后端 API 统一走 OpenAI 兼容协议（对话模型 DeepSeek，向量模型 bge-large-zh），自研 RAG 全链路：文档解析 → 切块 → 向量化 → 检索 → 流式生成。技术亮点：① 自定义 SSE 协议，增量推送回答文本与引用来源；② 向量库设计为可切换双后端，本地零依赖运行，配置即升级 pgvector 多租户；③ 完成 Serverless 部署适配（只读文件系统降级方案），可一键部署上线。