AskMyDocs

一个你可以自己部署的知识库问答系统。上传 PDF、Markdown 或纯文本，系统自动分块、向量化、入库。之后用自然语言提问，它会从你的文档中检索相关内容，生成带引用来源的回答。支持语音输入输出，适合不想把数据交给第三方的场景。

挑战

文档解析的质量直接决定问答效果——分块太大会引入噪音，太小会丢失上下文。如何在不同格式（PDF 表格、Markdown 代码块、纯文本段落）之间找到统一的分块策略？另一个挑战是多轮对话的上下文管理，既要记住历史又不能让 prompt 爆掉。

方案

异步文档处理管线：上传 → Redis 队列 → RQ Worker 异步解析 → 智能分块 → Chroma 向量化入库。多轮对话通过滑动窗口管理历史，每轮检索 top-k 相关片段拼入 prompt。SSE 流式输出保证响应的即时感，每段回答都标注引用来源。语音通过 Qwen3-ASR + CosyVoice-v3 实现。

亮点

• 01

  异步管线：Redis + RQ Worker 异步文档解析，不阻塞用户操作

• 02

  RAG 检索：智能分块 + Chroma 向量检索 + SSE 流式输出 + 引用溯源

• 03

  语音交互：Qwen3-ASR 语音识别 + CosyVoice-v3 语音合成

• 04

  完整认证：JWT + 邮箱验证 + 密码重置 + 滑动窗口限流（30 req/min）

• 05

  开源部署：Docker Compose 编排 6 服务，MIT 协议

成果

完整的私有知识库方案：支持 PDF/Markdown/TXT 三种格式，异步解析不阻塞主线程，多轮 RAG 对话带引用溯源，语音交互，JWT 认证 + 限流。Docker Compose 编排 6 个服务，MIT 开源。

反思与收获

这个项目是 Mock-Interview 的知识库模块独立出来的产物。独立之后反而做得更好——关注点分离让每个功能都能打磨到位。最有价值的经验是异步处理的设计：文档解析可能耗时几十秒，如果同步处理用户体验会很差，RQ Worker 的引入让上传变成了"提交即忘"的体验。