这是一个专用的 RAG（检索增强生成）问答系统，核心思路是把运维手册、故障处理文档、架构设计文档等上传进来，让 AI 基于这些真实内部文档来回答运维问题。
前端三个页面的功能
知识库管理页面：这是文档管理的入口。左侧是知识库列表，可以新建多个知识库，每个知识库相当于一个分类文件夹，比如"运维操作手册"、"告警处理知识库"。右侧是选中知识库的文档列表，支持拖拽上传或点击上传。
知识问答页面：这是实际对话的地方。界面是左主右侧的布局，主区域是对话气泡，用户提问后，AI 会检索知识库并生成带来源引用的回答。右侧有知识库切换下拉框，可以选择用哪个知识库来回答问题
配置管理页面：这是 LLM 接口的配置中心。可以填写 API Key、选择 Base URL、选择对话模型和 Embedding 模型，还有 Temperature 和 Max Tokens 两个滑块可以调整。
后端的技术实现
文档处理流程：文档上传后，后端用对应格式的解析库读取内容，然后用 LangChain 的 RecursiveCharacterTextSplitter 把文档切成 800 字符一段、150 字符重叠的小块，中文标点作为首选分隔符，保证切分更自然。切好的文本块通过配置的 Embedding 模型转成向量，存入 ChromaDB 向量数据库
问答流程：用户提问后，后端先从 ChromaDB 检索最相关的候选文档片段（数量是 Top-K 的两倍），然后交给知识图谱模块做二次重排。知识图谱用 networkx 构建，会从文档中自动提取 IP 地址、K8s 资源名、故障状态（CrashLoopBackOff、OOMKilled 等）
数据存储：知识库和文档的元数据用 JSON 文件存储，
技术栈关键组成
前端用 Next.js 16 配合 React 19 和 TypeScript，样式用 Tailwind CSS 4，图标用 lucide-react，整体是 App Router 架构。
后端用 FastAPI 提供 REST 接口和 SSE 流式接口，LangChain 负责 RAG 链编排，ChromaDB 做向量库，networkx 做知识图谱，pydantic-settings 管理配置，整个后端无状态设计，适合轻量部署。