花4天做了一个开源企业知识库——从「为什么不做SaaS」聊起

雷阵雨爱CodeTalk · 2026-07-07T18:13:18.922Z

7月初，在一个朋友的工厂里看到这样一个场景：行政大姐被三个员工轮流问“高温补贴什么时候发”“年假还剩几天”，她每次都要打开一个共享文件夹，在一堆 Word 文档里翻半天。我当时想的是——这不就是 RAG 的完美场景吗？但市面上大部分企业知识库产品，要么是钉钉/飞书内置的（绑定平台），要么是 Docker 一套微服务跑起来的（朋友的工厂用的是 Windows Server 2016，连 Docker Desktop 都装不上）。所以我决定自己做一个。给自己定了两个约束：必须 pip install 就能跑，必须支持数据完全不出公司。都干了什么第1天：选型踩坑。RAG 看起来简单，真正做起来坑不少。光是一个“中文文本怎么切分”就试了三种方案——按字符数切会把句子拦腰斩断，按句号切又会在表格类文档里翻车。最后用了 LangChain 的 RecursiveCharacterTextSplitter，加上自定义的中文标点分隔符，效果才算满意。第2天：混合检索。纯向量检索有个经典问题——搜“报销标准”可能返回“差旅费管理办法”，语义相关但关键词完全不匹配。加了 BM25 关键词检索做混合，权重配 7:3，召回效果好了一大截。后来又补了一个 CrossEncoder 重排序，把最相关的结果提到前面。第3天：双后端架构。这个问题是我跟一个做律师的朋友聊了之后才意识到的——很多企业的合同、制度文档是有保密要求的，不能传到外部 API。所以做了一个双后端设计：默认用 DeepSeek API（新用户免费额度完全够体验），企业正式部署时切到 Ollama 本地模型，数据完全不离开本机。切换只需要改一行环境变量。第4天：前端和安全审计。花了一天把 Vue3 前端搭起来——不是为了好看，是因为我觉得一个知识库如果只有命令行界面，非技术人员永远不会用。晚上让 Claude 做了一轮对抗性安全审查，修了 6 个潜在问题，禁用了 0.0.0.0 绑定，撤销了泄露的 API Key。几个真实感受 Docker 在中国 SME 不是最佳实践，是部署障碍。一开始我也想用 RAGFlow 或者 Dify，功能确实全。但一想到目标用户是连 Python 都不一定装了的行政/HR，我就放弃了。一群微服务 + Docker Compose + 向量数据库，出问题都没人会排查。pip install + 一行命令启动，这才是他们真正能用的。开源不是情怀，是验证市场的最低成本方式。我不确定这个方向有没有真实需求，所以选 MIT 协议开源——如果有人用，说明需求存在。如果在 GitHub 上石沉大海，说明要么方向不对，要么我做的不够好。不管哪种结果，4天时间换一个明确的市场信号，我觉得值得。数据安全不是 checklist，是核心差异。做之前调研了一圈竞品，发现大部分 RAG 产品对外宣传“支持私有化部署”，点进去一看是“请联系销售获取企业版报价”。我一个开源项目，直接在 README 里写清楚：切到 Ollama，数据就不离开你的电脑。不需要联系任何人。后续项目在 GitHub 开源了：github.com/Zhiyiiiii/enterprise-rag-kit 下一阶段想做几件事：一是录一个 3 分钟的演示视频（感觉很多人看到“AI知识库”不知道具体是什么体验），二是看看能不能找 2-3 个小企业试用反馈。如果你也在做类似的 AI 落地尝试，或者你公司恰好有文档管理上的痛点，可以来聊聊——不是推销，我是真的想搞清楚：中小企业到底需不需要这东西？需要的话，他们愿意为什么买单？）