Inkwell：基于 OpenAI 的 RAG 知识平台，提供引用式问答与管理控制台

AlexsandroSunaga/Inkwell · RAG knowledge platform: FastAPI, OpenAI embeddings, Next.js console, cited chat.

GitHub原文发布未知首次收录 2026-10-09上架 2026-10-09 07:03

ELI5：它是什么，解决什么问题

Inkwell 是一个 RAG 知识平台，采用前后端分离架构：后端基于 FastAPI、SQLAlchemy，使用 OpenAI 的 text-embedding-3-small 做嵌入、gpt-4o-mini 做对话，提供文档摄取、检索与聊天 REST API；前端为 Next.js + React + Tailwind 控制台，包含营销页、概览仪表盘、知识库管理、带引用与证据检查器的检索助手、用量与内容缺口分析等功能。README 提供了本地运行、部署到 Vercel 与 Railway/Fly/Render 的方式，并附带不含 OpenAI 密钥也可运行的测试。

# OpenAI # FastAPI # RAG # semantic-search # knowledge-base

核心能力与快速开始

★ 0 · TypeScript

能做什么: 后端 FastAPI 提供 REST API、SQLAlchemy 数据库、文档摄取（pypdf）、检索与聊天；使用 OpenAI embeddings（text-embedding-3-small）与 chat（gpt-4o-mini）实现语义检索与带引用的回答，并提供 /analytics 接口。前端 Next.js/React 控制台包含：营销页、带 ⌘K 命令面板的侧边栏外壳、概览仪表盘（审查提醒、草稿计数、审计动态）、助手界面（检索流程步骤、建议词、模型选择、引用标签、带评分的证据检查器）、知识库（分类卡片、摄取标签、表格/网格切换、批量选择、分页、状态徽章）、分析（用量/语料/内容缺口标签、面积图与柱状图）、审计日志、团队与角色（样例数据）、设置与集成（OpenAI 状态、服务端密钥）。项目包含不含 OpenAI 密钥即可运行的 pytest 测试（AI 端点返回 503）。
适用场景: 搭建面向企业或团队的知识库问答系统；为文档集提供带来源引用的语义检索式聊天；管理知识库文档的摄取与发布状态；查看检索使用量、语料分布与内容缺口分析；作为前后端分离的 RAG 产品参考实现进行二次开发。
项目形态: 可直接使用的工具
部署方式: 前端可部署到 Vercel（通过 NEXT_PUBLIC_API_URL 指向 API 主机）；后端可部署到 Railway / Fly / Render，需要 OPENAI_API_KEY 与 SQLite 持久卷，或将 DATABASE_URL 切换为 Postgres。也支持本地运行：后端 uvicorn app.main:app --reload，前端 npm run dev，UI 在 localhost:3000，API 文档在 localhost:8000/docs。
主要依赖: 后端需 Python 3.11+，并配置 OPENAI_API_KEY 环境变量（.env）；前端需 Node.js 与 npm，配置 .env.local。使用 OpenAI embeddings 与 chat API，相关 API 成本与调用限制未说明。
使用限制: README 明确说明不包含 Clerk/Auth0 SSO、Stripe 计费、大规模 pgvector、S3、多租户 RBAC；聊天与摄取依赖 OpenAI API；demo 视频未展示聊天与摄取（因调用 OpenAI API）。测试在无 OpenAI 密钥时 AI 端点会降级为 503。前端分析部分（审计日志、团队与角色）使用样例数据。
许可证: 未说明
最近推送: 2026-10-08 15:43

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-09 07:00 · 卡片整理：2026-10-09 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为可本地运行和部署的 RAG 知识平台参考实现，程序员可基于其 FastAPI 后端、Next.js 前端、OpenAI 嵌入与对话集成、文档摄取与检索 REST API 进行二次开发或集成到自己的项目中。

查看内容依据

Inkwell 是一个 RAG 知识平台，采用前后端分离架构：后端基于 FastAPI、SQLAlchemy，使用 OpenAI 的 text-embedding-3-small 做嵌入、gpt-4o-mini 做对话，提供文档摄取、检索与聊天 REST API

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

产品经理可参考其控制台中的概览仪表盘、知识库管理、带引用与证据检查器的检索助手、用量与内容缺口分析等功能设计，用于规划知识库类产品的功能与界面。

查看内容依据

前端为 Next.js + React + Tailwind 控制台，包含营销页、概览仪表盘、知识库管理、带引用与证据检查器的检索助手、用量与内容缺口分析等功能

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

MediAgent：面向患者与临床团队的医疗 AI 双门户平台

MediAgent 是一个双门户医疗平台，包含患者端 PWA 与临床医生端 PWA，后端基于 FastAPI，并使用 LangGraph/ADK 智能体对聊天进行分流、从上传的医疗文档中提取结构化信息，并基于检索到的 FDA 药品说明书文本回答用药问题。功能覆盖文档上传与 OCR、带引用的信息抽取、患者助手（文本与语音，支持 en-US 与 es-MX，引用 MedlinePlus、DailyMed、RxNorm）、临床医生审核的护理计划、预约与双向消息、通知中心、SMART on FHIR 沙盒导入以及临床医生仪表盘与 Naranjo ADR 审核。

Fusion：面向任务执行的 AI 聊天工作台，支持多模型与 Agent 工作流

Fusion 是一个面向任务执行的 AI 聊天产品，让 AI 从回答问题走向完成任务：根据用户意图按需选择模型能力与工具，在一次对话中完成搜索、阅读、规划和结构化执行，并分层呈现回答依据与 Agent 执行轨迹。项目采用 Next.js + FastAPI monorepo 架构，后端包含能力路由、Agent runtime、工具、文件与知识库模块，前端提供流式会话、回答依据与轨迹界面；模型目录由 LiteLLM 统一提供，另含管理员侧模型状态、MCP 服务、使用量与脱敏审计等治理能力。

Leviathan：基于自有 PDF 的封闭域检索问答与引用溯源

Leviathan 是一个面向自有 PDF 文档的封闭域检索问答（RAG）应用：它只依据已导入的文档作答，为每条论断给出出处，并在没有相关内容时明确拒绝回答。流程为 PDF 抽取文本、切分重叠片段、向量嵌入、基于 pgvector 的相似度检索与阈值过滤，最后由模型生成答案并通过第二个更强调核查的模型逐条校验论断是否有证据支撑；还提供评分日志与 /rules 页面展示回答与拒答的最佳匹配分数直方图，用于调整相似度阈值。项目自述为刻意未完成的端到端管线，代码中标记了 TODO(you) 的待改进点。

FilingScope：基于混合 RAG 与持久化 AI Agent 的 SEC 财报文件循证研究

FilingScope 是一个面向 SEC 10-K 财报文件的研究系统，提供 Quick Research 与 Deep Research 两种模式：前者流式输出带引用的答案，后者由单个有界 AI Agent 以持久化进度、证据、结果与取消机制完成研究目标。其混合 RAG 管线组合 BM25、Qdrant 语义向量检索、RRF 融合、交叉编码器重排与循证生成，技术栈包括 Python、FastAPI/SSE、React/TypeScript、SQLite、Docker 与 Groq。README 给出了受控开发基准、性能记录、校验门禁与已知局限，并声明证据可检视但正确性不作保证。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。