睡前消息知识库：面向节目文稿的智能 RAG 问答与站内阅读系统

核心能力与快速开始

★ 17 · Python

能做什么

提供睡前消息节目文稿的智能问答与站内阅读。核心能力包括：自动查询路由（档案检索与受限直接处理）、查询优化与语义搜索、基于 LLM 的文档相关性评分、将检索文稿作为回答上下文并生成 Markdown 引用与引用修复；自动化文稿索引与基于不可变快照的增量更新（原子、可回滚，Agent 无需重启即可切换）；网页界面同时支持聊天提问与站内浏览/阅读文稿，引用跳转到应用内阅读器；支持任意 OpenAI-compatible 的对话/嵌入端点（模板默认 DeepSeek 对话模型与 SiliconFlow Qwen3 embedding）；提供按实例传参、健康与就绪检查、优雅停止等部署接口。

适用场景

适合为视频节目、播客或文字专栏的文稿库搭建可提问的知识库网站，让用户既可与智能体对话获取带引用来源的回答，也能站内浏览和检索原始文稿。适合希望以 Docker Compose 自托管、使用 PostgreSQL + pgvector 存储向量，并需要自动化增量索引与零停机升级能力的团队。

项目形态

可直接使用的工具

部署方式

使用 Docker 及 Docker Compose 2.24.6 或更高版本，通过 docker compose up -d 启动整个服务栈，默认在 8080 端口提供纯 HTTP 服务（不做 TLS，公网暴露与 TLS 终止需自行处理）；已发布多架构（amd64 + arm64）镜像到 GHCR，可用 IMAGE_TAG 固定版本。支持数据层与应用层分离以及蓝绿零停机升级。

主要依赖

需要 Docker 及 Docker Compose 2.24.6 或更高版本；需要在 config.yml 中填写任意 OpenAI-compatible 的生成与嵌入端点 API 密钥；需要 PostgreSQL + pgvector 作为向量数据库；EMBEDDING_DIM 需与所选嵌入模型的输出维度一致（默认模型 Qwen/Qwen3-Embedding-4B 为 2560）。具体硬件配置与 API 成本未说明。

使用限制

索引范围仅覆盖每篇文稿的 `## 正文`，`## 附录` 与 `**发布日期**` 元数据行不索引。服务栈本身仅提供纯 HTTP（8080 端口），不做 TLS，公网暴露与 TLS 终止由本仓库之外的工作处理。全新数据库上 Indexer 首次构建发布前 Agent 处于未就绪状态（/health 返回 503）。升级到快照后不支持把 Indexer 回滚到快照之前的版本。具体延迟、并发容量和成本限制未说明。

许可证

MIT

最近推送

2026-10-08 14:19

资料检查：2026-10-09 07:00 · 卡片整理：2026-10-09 09:00
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

作为基于 LangGraph 的智能 RAG 系统参考实现，程序员可研究其自动查询路由、查询优化与语义搜索、基于 LLM 的文档相关性评分、检索文稿上下文与 Markdown 引用修复等功能的代码实现，并参考其 PostgreSQL + pgvector 存储向量、Docker Compose 自托管与蓝绿零停机升级方案。

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