核心理念是「知识编译」：不是每次提问都从原始文档重新检索，而是让 LLM 把零散资料沉淀为持续增值的结构化知识库。
Stop re-deriving, start compiling.
核心亮点
- 🖥️ 桌面原生 — Tauri v2 + Python sidecar，工作区在本地，数据在你手里
- 📐 Tolaria 式四栏布局 — 文件夹侧栏 · 笔记列表 · 编辑器 · 检查器（AI / 属性 / 反链）
- ✍️ 所见即所得 — Tiptap 编辑 Markdown；PDF / DOCX 应用内预览
- 🔄 自动入库流水线 — 转换 → 编译 → 分类 → 索引 → 交叉引用 → 综述 → 健康检查（可断点续跑）
- 🕸️ 知识图谱 — 主题、标签、双向链接力导向可视化
- 🤖 RAG 助手 — HyDE + 混合检索 + 重排序；问答模式 / 助手模式双档
- 🔌 CLI agent 桥接 — 在 vault 内调用 Claude Code / OpenCode / Codex / Gemini，自动生成
AGENTS.md - 📬 统一待处理 — 入库状态、待分类/链接、转换与综述失败、Lint 问题一处处理
- 🔎 划词检索 — 先得 LLM 快速解释，再补本地引用或 Bing 优先的联网证据
- 📊 健康度指标 — 综述覆盖率、均链数、Lint 问题数一目了然
RAG 检索流水线
用户提问 → HyDE 假设性答案生成
→ Milvus Lite 混合检索 (dense 0.7 + BM25 0.3)
→ 主题/标签过滤
→ FlagReranker 重排序 (bge-reranker-v2-m3)
→ MMR 去重
→ LLM 生成回答（流式输出）三层知识架构
| 层 | 目录 | 说明 |
|---|---|---|
| Raw | Raw/ | 原始文件归档（PDF/DOCX/PPTX） |
| Notes | Notes/ | 原始 Markdown（不可变，来源真相） |
| Wiki | wiki/ | AI 编译的结构化知识（WIKI.md、主题综述、log.md） |
工作区结构
<你的工作区>/
├── Notes/ # 原始笔记（Markdown，按主题分文件夹）
├── wiki/ # AI 编译层：WIKI.md、主题综述、log.md
├── Raw/ # 原件归档（PDF、DOCX、PPTX…）
├── schema.md # 工作区 AI 规范（Schema 向导生成）
├── .noteai/ # 运行时：rag_index/、ingest 状态、日志…
└── .ai_memory/ # 用户画像、项目规则技术栈
| 层 | 技术 |
|---|---|
| 桌面壳 | Tauri v2 · Rust |
| 前端 | HTML / CSS / 原生 JS · Tiptap · D3 · PDF.js |
| 后端 | Python 3.10+ sidecar · JSON-RPC |
| RAG | zvec + bm25s · fastembed (bge-small-zh) · FlagReranker |
| 文档解析 | PyMuPDF · mammoth · html2text |
| 中文 NLP | jieba |