1. 项目背景（Why）
AI 在做方案、撰写重要文件时，会引用大量知识。这些引用的知识有些出处不可信（如自媒体文章），有些是基于计算的错误信息，这些都影响最终文章质量。
为消除 AI 幻觉，特开发 AI 阅读助手。本应用会预先加载用户指定的权威文档（如专业书籍 PDF 版本、法律法规、内部文档等）作为资料库。回答用户提问时，资料库中有相关内容则会分析客户的提问给出回答，并标明出处；若用户提问超越资料库范围，则提示引用外部信息并标注来源。两种回答使用不同颜色字体进行区分。
2. 产品定位（What）
一款辅助阅读和公文创作的 AI 阅读助手软件。用户将重要的文献、专著、权威书籍、内部资料作为标准答案放入知识库，自行设问后，助手会给出知识库中的标准答案，确保信息来源可信。
产品概念类似于「吞文通识」------用户喂入资料，AI 消化后提供精准回答。
3. 用户分析（Who）
3.1 目标用户
文字工作者、文秘、论文编写者等需要编写重要文件、要求数据来源可靠的用户群体。
3.2 用户痛点
进行重要文件创作或阅读专业书籍时，大量内容要求来源可靠。当前碎片化知识现象严重，许多知识点掌握不清楚的情况下，容易出现作者不想出现的错误。
4. 产品目标（Goal）
打造一个靠谱的文案助手、阅读助理、写作助力，核心价值在于「来源可靠」。
5. 产品功能设计（What）
- 资料库管理：导入用户指定的资料文件（PDF / Word / TXT），支持增删操作
- 智能对话：支持文字对话，获取用户提问，基于知识库或联网搜索回答
- 联网搜索开关：对话区设置开关按钮------关闭时仅检索知识库回答；开启时自动检索网络信息并整合到回答中
- 来源标注：知识库回答标注具体出处（如书名+页码）；联网回答标注「来源：网络检索（仅供参考）」
- 设置管理：支持大模型 API 配置、分块策略参数配置、联网搜索服务配置
6. 技术方案设计（How）
6.1 页面布局
页面分为左右两个区域：
- 左侧导航栏：竖向列表显示对话列表（含多条对话记录）、知识库、设置等入口
- 右侧为对应功能的展示区，包含对话交互区、知识库文件管理区、设置表单区
6.2 对话交互设计
对话区采用类似即时通讯的交互方式：
- 用户消息：蓝色气泡，右对齐
- AI 回答（知识库来源）：左侧蓝色竖条标识，底部明确列出出处，如「《视觉SLAM十四讲》P.87」
- AI 回答（联网来源）：左侧灰色虚线竖条标识，底部注明「来源：网络检索（仅供参考）」
- 两种回答使用不同颜色字体/样式进行区分
6.3 交互方式
纯 PC 端应用，不支持语音输入。用户通过键盘输入文字进行交互。
6.4 多轮对话上下文管理
仅依赖大模型自身的上下文记忆能力。向量检索始终基于用户的最新一条提问进行，历史对话内容由 LLM 在生成答案时自行参考。
7. 核心技术选型
|--------------|----------------------------|-------------------------------------|
| 层级 | 选型 | 说明 |
| 大模型（LLM） | DeepSeek Chat API | 性价比高，中文能力强，用户自行填写 API Key |
| Embedding 模型 | BGE-small-zh（本地运行） | 轻量级中文语义模型，首次启动下载约 200MB，之后离线可用 |
| 向量数据库 | ChromaDB | 轻量级本地文件存储，与 LangChain 原生集成，无需额外部署服务 |
| RAG 框架 | LangChain | 生态最成熟的 RAG 开发框架 |
| 文档解析 | PyMuPDF（fitz）+ python-docx | 仅处理文字内容，跳过图片、公式、表格 |
| 后端框架 | FastAPI（Python） | 异步、高性能、自动生成 API 文档 |
| 前端界面 | HTML 静态页面 | 轻量级交互式 HTML 原型，后续由 FastAPI 托管 |
| 部署形态 | 压缩包 + 一键启动脚本 | 单机运行，无需公网 IP |
8. 数据流程设计
8.1 建库流程
PDF / Word / TXT 文本 → 提取纯文本 → 递归字符分块 → BGE-small-zh 向量化 → ChromaDB 向量存储
8.2 查询流程
用户提问 → 问题向量化（BGE-small-zh）→ 相似度检索 → 召回 Top-K 相关文本块 → 拼接 Prompt → DeepSeek API 生成答案 → 返回答案 + 来源标注
8.3 资料更新策略
建库后的资料变更采用「直接删除重建」方式，不做增量更新。当前版本不考虑在建库后对已有资料进行局部更新的场景。
9. 分块策略（Chunking Strategy）
9.1 分块方法
采用递归字符文本分割器（RecursiveCharacterTextSplitter），以中文标点符号作为自然分隔点，尽可能保持句子和段落的完整性。
9.2 核心参数
|---------------|---------------------------------------------------|--------------------------------------|
| 参数 | 默认值 | 说明 |
| chunk_size | 512 字符 | 每个文本块最大长度，约 200-300 个中文字，足够表达一个完整知识点 |
| chunk_overlap | 50 字符 | 相邻块间的重叠字符数，防止关键上下文被切断 |
| separators | "\\n\\n", "\\n", "。", "！", "？", "；", "，", " " | 按优先级依次尝试分割，优先保持段落完整性 |
| top_k | 5 | 每次检索返回最相关的 Top-5 文本块 |
9.3 元数据标注
每个分块（chunk）保存以下元数据，用于来源追溯：
- 源文件名
- 页码（以引用句子第一个字所在位置作为页码指向）
- 段落序号
10. 部署方案
10.1 部署形态
单机版应用，无需公网 IP。最终产品以压缩包（ZIP）形式分发，用户下载后解压，双击一键启动脚本即可运行或安装。
10.2 分发渠道
上传至 GitHub 仓库供用户下载。
10.3 API Key 策略
压缩包中 API Key 为空白。用户首次启动时，需在设置页面自行填写 DeepSeek API Key。应用中提供引导说明。
10.4 一键启动流程
用户解压压缩包 → 双击启动脚本（.bat / PowerShell）→ 自动检查 Python 环境 → 自动安装依赖 → 启动服务 → 弹出浏览器访问页面
11. 版本规划（Roadmap）
|------------|---------------------|---------------------|
| 版本 | 功能范围 | 说明 |
| v1.0 | 单本 PDF 问答 + 来源引用 | 跑通 RAG 全链路，验证核心价值 |
| v1.1 | 多本 PDF 混合检索 + 删除/新增 | 解决资料库管理问题，支持多文档混合检索 |
12. 风险分析
|-----------------|------------|------------------------------|
| 风险 | 影响 | 应对策略 |
| AI 幻觉（边界场景半编半引） | 用户信任度下降 | 严格的测试验收；来源标注让用户可追溯核实 |
| 扫描件 PDF（纯图片无文字） | 解析结果为空 | 导入时检测并提示用户该文件为扫描件，不支持文字提取 |
| API Key 失效或余额不足 | 服务不可用 | 实时调用反馈，对话区直接提示 API 调用错误信息 |
| 联网搜索 API 不通 | 联网功能失效 | 静默降级为纯知识库模式，用户无感知 |
| 文档解析不完整（复杂排版） | 部分内容缺失 | 明确告知用户当前仅支持文字内容，公式/图表/表格暂不支持 |
13. 测试验收
13.1 正向测试
问一个书里明确有的问题（如「SLAM 中的李代数是什么」），验证回答是否准确、出处是否正确。
13.2 负向测试
问一个书里没有的问题（如「如何用 SLAM 做自动驾驶」），验证系统是否会提示「知识库无相关信息」，而不是胡编。
13.3 边界测试
问一个书里部分相关的问题（如「如何初始化 ORB-SLAM」），验证系统是否「半编半引」------这是最容易产生幻觉的场景。
项目地址：https://github.com/Jerry-Chu/AI-Reader
下载后直接使用，需要配置自己的APIkey。
14. 项目总结
本项目通过 RAG 技术将传统专业教材转化为智能知识助手，实现了从「人工检索资料」到「AI 辅助学习」的转变。
产品定位清晰------专注可靠来源的 AI 问答，以本地知识库为核心，联网搜索为补充。技术方案成熟稳定，采用 DeepSeek API（云端 LLM）+ BGE-small-zh（本地 Embedding）+ ChromaDB（本地向量库）+ LangChain（RAG 框架）的组合，兼顾了回答质量、中文能力和部署便捷性。
部署上采用压缩包 + 一键启动的单机模式，适合无公网 IP 的个人使用场景，并通过 GitHub 分发给目标用户。