DriveIQ：面向车辆维护记录、提醒与车主手册问答的智能车辆管理应用

ry-ops/DriveIQ · Intelligent vehicle management app — maintenance tracking, service reminders, CARFAX integration, and AI-powered manual consultation for any vehicle.

GitHub原文发布未知首次收录 2026-10-31上架 2026-11-02 07:05

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

DriveIQ 是一个全栈、本地优先的车辆管理应用，支持记录保养与费用、按日期和里程设置提醒、导入 CARFAX 服务报告，并在仪表盘汇总里程与维护预测。其“Ask your vehicle”功能基于 RAG 检索车主手册、快速参考指南和用户记录，由本地模型作答并给出页码等来源引用；也可通过 ANTHROPIC_API_KEY 改用 Claude。

# FastAPI # RAG # 本地优先 # 引用溯源 # 车辆管理

核心能力与快速开始

★ 1 · Python

能做什么: 提供保养日志与费用跟踪、票据/PDF 上传、按日期和里程的重复提醒、CARFAX 报告导入与历史记录、包含里程、维护预测和 CARFAX 估值估算的仪表盘。AI 问答将车主手册等文档分块嵌入 pgvector（可选 Qdrant），检索相关段落后由本地 LLM 带来源引用回答，并在 Redis 中缓存响应。
适用场景: 个人或车队记录车辆保养与费用、管理到期或里程提醒、整理 CARFAX 服务历史，以及围绕车主手册内容（如胎压灯复位步骤）进行带出处问答。
项目形态: 可直接使用的工具
部署方式: 提供 Docker Compose 一键启动，包含前端、后端、Postgres、Redis 和模型运行器；也说明了从源码搭建 Postgres、后端和前端的方式。AI 默认本地运行，可改用 Claude。
主要依赖: 需要 Python 3.11+、PostgreSQL 15+（含 pgvector）、Redis、Docker；向量库 Qdrant 为可选。使用 Claude 时需设置 ANTHROPIC_API_KEY；硬件与 API 成本未说明。
使用限制: 关于文档需以 PDF 放入 /docs 并重新索引；未说明支持的文档规模、离线模型硬件要求、问答准确率上限和并发限制。
许可证: MIT
最近推送: 2026-10-30 08:57

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-31 07:00 · 卡片整理：2026-11-02 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

作为全栈 RAG 应用参考实现，程序员可研究其 FastAPI 后端、React 前端、pgvector/Qdrant 向量检索、Redis 缓存与本地 LLM 集成的架构，用于构建带来源引用的文档问答系统。

查看内容依据

Your documents are chunked and embedded into pgvector (or Qdrant). When you ask a question, DriveIQ retrieves the most relevant passages and the local LLM answers **with the source shown**

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

IntelligenceDocumentSystem：基于 RAG 的多语言文档问答助手，回答附带可追溯引用

该项目是一个面向个人文档的 RAG 问答助手，支持上传 PDF、TXT、Markdown 并以印尼语提问，答案附带可点击溯源到具体 chunk 的引用。检索上下文不足时系统明确拒答，或在使用通用知识模式时给出明确标注、不加引用的回答。还提供按文档隔离的私有会话、跨文档检索、检索参数调整（Top K、相似度阈值）、检索质量评估（precision、hit rate、正确拒答）、延迟与提问日志分析，以及 RAGAS 评测选项。技术栈为 Next.js/React/TypeScript 前端与 FastAPI、ChromaDB、SQLite 后端，LLM 使用 Groq，并有 Ollama 回退。

research-paper-rag-qa：学术 PDF 语义检索问答工具

该项目是一个面向学术论文 PDF 的检索增强（RAG）语义搜索工具：逐页解析 PDF，将文本切分为带重叠的片段，使用 sentence-transformers/all-MiniLM-L6-v2 生成归一化向量并存入 FAISS 索引，再通过 Streamlit 界面用自然语言查询返回最相关的段落及来源文件与页码。项目刻意只做检索、不做答案生成，以保证每条结果可追溯到原文页面、避免内容幻觉；仓库包含作者硕士阶段的示例 PDF。

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。

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。