基于第一性原理设计的极简、高效、可扩展的LLM知识库系统。
- 正确性优先：类型安全、错误处理完善
- 可读性大于炫技：代码简洁易懂
- 简洁大于复杂：零复杂框架依赖
- 高效可扩展：模块化设计，易于维护
# 安装依赖
pip install -r requirements.txt
# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，设置 OPENAI_API_KEYpython cli/main.py init# 摄入文档
python cli/main.py ingest raw/document.md
# 编译wiki
python cli/main.py compile
# 提问
python cli/main.py ask "什么是机器学习？"
# 搜索
python cli/main.py search "神经网络"
# 健康检查
python cli/main.py health
# 系统状态
python cli/main.py statusknowbAgent/
├── core/ # 核心模块
│ ├── config.py # 配置管理
│ ├── database.py # 数据库封装
│ ├── llm_client.py # LLM客户端
│ ├── ingest.py # 数据摄入
│ └── qa_engine.py # 问答引擎
├── tools/
│ └── search_engine.py # 搜索引擎
├── cli/
│ └── main.py # 命令行接口
├── raw/ # 原始文档目录
├── wiki/ # 编译后的wiki
├── output/ # 输出文件
├── requirements.txt # 依赖列表
└── README.md # 项目说明
- 支持单个文件和整个目录摄入
- 自动文件格式检测和编码处理
- 增量编译，避免重复处理
- LLM驱动的智能概念识别
- 自动生成结构化的wiki文章
- 反向链接和摘要生成
- 基于知识库的语义搜索
- 多格式输出支持（Markdown）
- 查询历史记录
- 知识库完整性验证
- 自动问题检测
- 智能改进建议
编辑 .env 文件：
# OpenAI配置
OPENAI_API_KEY=your_api_key_here
OPENAI_MODEL=gpt-4
# 数据库配置
DATABASE_URL=sqlite:///knowledge.db
# 文件存储
RAW_DATA_DIR=raw
COMPILED_WIKI_DIR=wiki
IMAGES_DIR=images
# 系统配置
AUTO_COMPILE=true
HEALTH_CHECK_INTERVAL=3600- 语言: Python 3.8+
- 数据库: SQLite (默认) / PostgreSQL
- AI服务: OpenAI API
- 依赖: 仅6个核心包
- 极简的API调用封装
- 智能的错误处理和重试机制
- 内存友好的数据处理
- 模块化的可扩展架构
- Fork 项目
- 创建功能分支
- 提交更改
- 推送到分支
- 创建Pull Request
MIT License
基于Software 2.0/3.0理念构建，让AI成为知识管理的主要构建者。