产品实战 重点

但问知识库系统 AnythingChatRAG 内核 亮点

但问智能自研 AnythingChatRAG 引擎:知识图谱与向量双层检索,「Simple and Fast」。从内核源码读懂架构,再把它封装成可交付的产品——但问知识库系统。

为什么学这一模块

RAG 是大模型应用的第一刚需,而 AnythingChatRAG 代表了当前最值得学的路线:用知识图谱补向量检索的短板,又不像传统 GraphRAG 那样烧钱(索引与查询的 LLM 调用大幅降低)。本模块沿着「源码导读 → 机制实测 → 产品化封装」三步走,最终交付可私有化部署的「但问知识库系统」。

核心技术栈

AnythingChatRAG 知识图谱 + 向量双层检索 local / global / hybrid / naive / mix MinerU / Docling 解析 四种分块策略 增量更新 / 选择性删除 PostgreSQL / Neo4j / Milvus Reranker 重排 REST API + WebUI 多模态扩展 RAGAS 评测 Langfuse 追踪

技术亮点

双层检索架构
同时管理知识图谱与向量嵌入:local 查具体实体、global 做跨文档宏观推理、mix 三源合并——弥合传统 RAG 与 GraphRAG 的鸿沟
工程细节拉满
增量更新与选择性删除(索引缓存快速重建)、EXTRACT/QUERY/KEYWORDS/VLM 四角色独立配模型、并发参数调优、生产级 PostgreSQL 存储后端
为产品集成而生
官方建议项目集成走 REST API;/webui 管理端 + /workspace 查询端双入口;源码结构清晰,是产品化深度开发的理想底座

核心内容

AnythingChatRAG 源码架构导读:索引管线与查询管线全景
五种查询模式实测对比:什么场景用 local / global / mix
四种分块策略(固定/递归/语义/段落)选型实验
文档解析引擎接入:MinerU / Docling 处理 PDF 复杂版面
Embedding 与 Reranker 选型:bge-reranker 本地化部署
生产部署:PostgreSQL + OpenSearch 存储后端、并发调优
增量知识运营:文档更新、删除重建、引用溯源
产品化封装「但问知识库系统」:多租户空间、权限隔离、品牌化 WebUI、OpenAPI 对外开放

实战产出

  • 但问知识库系统 MVP(可私有化交付)
  • 五种查询模式 × 四种分块对比实验报告
  • 生产级部署与调优手册
  • 产品化改造设计文档