Fam Zheng
d9d3bc340c
- KB module: fastembed (AllMiniLML6V2) for CPU embedding, SQLite for vector storage with brute-force cosine similarity search - Chunking by ## headings, embeddings stored as BLOB in kb_chunks table - API: GET/PUT /api/kb for full-text read/write with auto re-indexing - Agent tools: kb_search (top-5 semantic search) and kb_read (full text) available in both planning and execution phases - Frontend: Settings menu in sidebar footer, KB editor as independent view with markdown textarea and save button - Also: extract shared db_err/ApiResult to api/mod.rs, add context management design doc Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
1.2 KiB
1.2 KiB
知识库 (KB / RAG)
概述
全局知识库，所有 project 的 agent 共享。用户在前端用 markdown 编辑，保存时自动切块并索引。Agent 通过 kb_search 和 kb_read 工具查询。
数据流
用户编辑 markdown textarea
→ PUT /api/kb
→ 原文存 SQLite (kb_content 表，单行)
→ 按 ## heading 切块
→ fastembed (AllMiniLML6V2) 生成 embedding
→ chunk + embedding 存 SQLite (kb_chunks 表)
切块策略
按 markdown ## heading 切分，每个 section 作为一个 chunk。无 heading 的开头部分作为一个 chunk。
Agent 工具
kb_search(query: str)→ 向量搜索 top-5，返回相关片段kb_read()→ 返回 KB 全文
API
GET /api/kb→ 返回 KB 全文{ content: string }PUT /api/kb→ 保存全文 + 重新切块索引{ content: string }
技术选型
- 向量存储: SQLite (embedding 存为 BLOB，暴力余弦搜索)
- Embedding: fastembed-rs (AllMiniLML6V2, 384 dim, CPU)
- 原文存储: SQLite (kb_content 表)
前端
- Sidebar 底部 Settings 弹出菜单 → Knowledge Base
- 点击切换到 KB 编辑独立 view（与 project view 平级）
- 大 textarea + Save 按钮