# MiniRAG

**Repository Path**: bueryouth/mini-rag

## Basic Information

- **Project Name**: MiniRAG
- **Description**: 轻量级本地多项目 RAG 知识库 API 服务，专为个人开发者设计。提供 REST API + MCP Server（嵌入主服务），供 AI Agent / Claude / Cursor / Continue.dev 调用私有知识库。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-09-09
- **Last Updated**: 2026-09-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# MiniRAG

轻量级本地多项目 RAG 知识库 API 服务，专为个人开发者设计。提供 REST API + MCP Server（嵌入主服务），供 AI Agent / Claude / Cursor / Continue.dev 调用私有知识库。

## 核心特性

| 特性 | 说明 |
|------|------|
| **多模型接口** | 支持 **Ollama / OpenAI-Chat / OpenAI-Response / Codex / Claude** 五种 LLM 接口，Embedding 支持 Ollama / OpenAI 兼容 |
| **混合检索** | BM25 关键词检索 + 向量检索，RRF 融合算法，可选 Rerank 重排序 |
| **语义分块** | 按 Markdown 标题层级分块，代码块/表格独立保留，携带 heading_path 元数据 |
| **异步导入** | 大文档库异步导入，实时进度条（总文件/已处理/成功/跳过/失败/当前文件） |
| **多格式解析** | 支持 **24 种格式**：md/txt/pdf/docx/doc/pptx/ppt/xlsx/xls/csv/tsv/html/htm/json/yaml/xml/epub/rtf/odt/rst/log 等（参考 firecrawl/anydoc） |
| **多项目隔离** | 每个项目 = 独立 Chroma Collection，向量空间物理隔离 |
| **项目级 MCP 开关** | 每个项目可独立开启/关闭 MCP 访问权限，精细控制哪些知识库可被 AI 访问 |
| **元数据标签** | project_id / category / tags / source / format / parser / ocr_used / ocr_engine / heading_path / block_type 等 |
| **增量更新** | 文件内容哈希检测，重复导入时未变化文件自动跳过 |
| **目录监听** | watchdog 监听文件变化，防抖处理，自动同步知识库，UUID 标识防重复 |
| **PDF OCR** | PyMuPDF 提取文本，扫描版自动触发 **RapidOCR**（本地，中文识别好），可选 **VLM 视觉模型** 理解图表 |
| **MCP Server 嵌入主服务** | 启用后主服务自动提供 `/mcp/sse` 端点，无需单独启动进程；支持 stdio/HTTP 独立模式、7 个工具、3 个 Resources、API Key 认证、调用统计 |
| **Continue.dev** | 提供 VSCode Continue.dev 插件配置，编码时自动检索私有文档 |
| **统一配置** | 9 大分类配置，Web 页面可视化编辑，运行时生效，连接测试按钮 |
| **Web 管理界面** | 白底黑字简洁界面，7 大功能模块，SVG 图标无 Emoji |
| **本地单机部署** | 无外部数据库、无消息队列、单进程运行，支持打包 EXE |

## 技术栈

- **Web**: FastAPI + Uvicorn
- **向量库**: ChromaDB（本地文件持久化）
- **混合检索**: rank_bm25 (BM25) + Chroma (向量) + RRF 融合
- **LLM/Embedding**: 统一抽象层，支持 Ollama / OpenAI 兼容 / Claude / Codex
- **语义分块**: 自研分块器（标题层级/代码/表格感知）
- **文档解析**: PyMuPDF / python-docx / python-pptx / openpyxl / beautifulsoup4 / ebooklib / striprtf
- **目录监听**: watchdog
- **OCR**: RapidOCR (onnxruntime) + 可选 VLM 视觉模型 + 兼容 Tesseract
- **MCP**: 官方 mcp SDK（stdio + HTTP/SSE）
- **零重型框架**: 不依赖 LangChain / LlamaIndex / Milvus / Elasticsearch

## 快速开始

### 前置要求
- Python 3.10+
- LLM 服务：Ollama 本地运行，或 OpenAI 兼容 API（如 vLLM / OneAPI / 云端 API）
- Windows 10/11（桌面端需要 Edge WebView2 运行时，系统自带）

### 安装依赖
```bash
pip install -r requirements.txt
```

### 方式一：桌面端（推荐）

双击启动，自带窗口，无需浏览器：

```bash
python desktop.py
```

桌面端特性：
- 内嵌 PyWebView 窗口，高 DPI 清晰显示
- 系统托盘，最小化到后台运行
- 端口自动选择（8765 起），避免冲突
- 单实例锁，防止重复启动

### 方式二：命令行启动

```bash
python -m uvicorn app.main:app --host 0.0.0.0 --port 8000
```

或使用一键启动脚本：
```bash
start.bat
```

### 访问
- **Web 管理界面**: http://127.0.0.1:8000/
- **API 文档**: http://127.0.0.1:8000/docs
- **桌面端**: 运行 `python desktop.py` 后自动打开窗口

## Web 界面模块

| 模块 | 功能 |
|------|------|
| 系统概览 | LLM/OCR/MCP 状态、项目统计、支持格式列表、系统详情 |
| 项目管理 | 创建/删除项目，**项目级 MCP 访问开关**，查看文档和块数统计 |
| 文档管理 | 导入本地目录（同步/异步+进度）、查看文档列表、解析方式、OCR 状态 |
| 目录监听 | 添加/移除监听（防重复）、实时统计（事件/同步/跳过/错误） |
| 系统配置 | 9 大分类可视化配置，每个模块标题上方测试按钮，启用开关在标题栏 |
| 集成配置 | MCP Server 双模式配置、Continue.dev 插件配置说明 |
| 检索测试 | 选择项目输入查询，混合检索/Rerank 开关，查看检索结果、相似度、来源 |

## API 接口一览

### 项目管理
| 方法 | 路径 | 说明 |
|------|------|------|
| POST | `/api/v1/projects` | 创建项目（支持 mcp_enabled 参数） |
| GET | `/api/v1/projects` | 列出项目 |
| GET | `/api/v1/projects/{id}` | 项目详情 |
| PATCH | `/api/v1/projects/{id}/mcp` | 切换项目 MCP 访问权限 |
| GET | `/api/v1/projects/{id}/export` | 导出项目为 JSON（可选 include_embeddings 参数） |
| POST | `/api/v1/projects/import` | 从 JSON 导入项目（支持 new_project_id/new_name/merge 参数） |
| POST | `/api/v1/backup` | 全量备份（下载 data 目录 zip） |
| POST | `/api/v1/restore` | 全量恢复（需 overwrite=true） |
| DELETE | `/api/v1/projects/{id}` | 删除项目 |

### 文档管理
| 方法 | 路径 | 说明 |
|------|------|------|
| POST | `/api/v1/documents/scan-dir` | 扫描目录导入（同步，增量更新） |
| POST | `/api/v1/documents/scan-async` | 扫描目录导入（**异步**，返回 task_id） |
| POST | `/api/v1/documents/upload` | 上传文件导入 |
| DELETE | `/api/v1/documents` | 按 source 删除 |

### 任务管理
| 方法 | 路径 | 说明 |
|------|------|------|
| GET | `/api/v1/tasks` | 列出最近异步任务 |
| GET | `/api/v1/tasks/{task_id}` | 查询任务进度和状态 |

### 检索与问答
| 方法 | 路径 | 说明 |
|------|------|------|
| POST | `/api/v1/retrieve` | 纯检索（Agent 核心接口，支持混合检索/Rerank） |
| POST | `/api/v1/chat` | RAG 问答（支持多模型接口） |
| POST | `/api/v1/chat/stream` | 流式问答 |

**检索参数**（retrieve/chat 均支持）：
- `use_hybrid`: 是否启用混合检索（BM25+向量RRF融合），默认使用配置
- `use_rerank`: 是否启用Rerank重排序，默认使用配置

### 配置管理
| 方法 | 路径 | 说明 |
|------|------|------|
| GET | `/api/v1/config` | 获取全部配置 |
| GET | `/api/v1/config/meta` | 配置元信息（表单渲染） |
| PUT | `/api/v1/config/{section}` | 修改某分类配置 |
| POST | `/api/v1/config/reset/{section}` | 重置配置 |

### 系统管理
| 方法 | 路径 | 说明 |
|------|------|------|
| GET | `/api/v1/system/status` | 系统整体状态（LLM 自动检测 provider 连通性） |
| POST | `/api/v1/test-connection` | 连接测试（llm / embedding） |
| GET | `/api/v1/ocr/status` | OCR 状态（RapidOCR/VLM/Tesseract） |
| GET | `/api/v1/mcp/status` | MCP 状态和配置 |
| GET | `/api/v1/incremental/stats` | 增量更新统计 |
| GET/POST/DELETE | `/api/v1/watchers` | 目录监听管理 |
| GET | `/api/v1/watchers/stats` | 监听统计 |

## MCP Server 使用详解

MCP (Model Context Protocol) 让 AI 客户端（Claude Desktop / Cursor / Cline 等）可以直接调用你的本地知识库。

### 方式一：嵌入主服务（推荐）

启用 MCP 后，主服务自动提供 `/mcp/sse` 端点，无需单独启动进程。

**1. 启用 MCP**
- Web 界面：系统配置 → MCP 服务 → 启用 MCP Server
- 或 API：`PUT /api/v1/config/mcp`，body `{"enabled": true}`

**2. 重启主服务**
```bash
# 重启后 MCP 端点自动生效
python -m uvicorn app.main:app --host 0.0.0.0 --port 8000
```

**3. 客户端配置**
```json
{
  "mcpServers": {
    "minirag": {
      "url": "http://127.0.0.1:8000/mcp/sse"
    }
  }
}
```

**4. 如果启用了 API Key 认证**
```json
{
  "mcpServers": {
    "minirag": {
      "url": "http://127.0.0.1:8000/mcp/sse?api_key=你的密钥",
      "headers": {"X-API-Key": "你的密钥"}
    }
  }
}
```

### 方式二：独立 stdio（本地进程）

适合同一台机器上的 Claude Desktop / Cursor，不占用额外端口。

```bash
python -m app.mcp_server
```

客户端配置：
```json
{
  "mcpServers": {
    "minirag": {
      "command": "python",
      "args": ["-m", "app.mcp_server"],
      "cwd": "E:\\mis-workspace\\16-rag\\MiniRAG"
    }
  }
}
```

### 方式三：独立 HTTP/SSE（远程访问）

适合多设备访问，或 MCP 客户端不支持 stdio 的场景。

```bash
python -m app.mcp_server --transport http
```

默认监听 `http://127.0.0.1:8765/sse`，可在配置中修改 `http_host` 和 `http_port`。

### 项目级 MCP 访问控制

每个项目可以独立开启/关闭 MCP 访问：

- **Web 界面**：项目管理 → 每个项目有 "MCP访问" 开关
- **API**：`PATCH /api/v1/projects/{id}/mcp`，body `{"enabled": true}`
- **创建时指定**：`POST /api/v1/projects`，body 中 `mcp_enabled: true`

未开启 MCP 的项目，通过 MCP 工具检索时会返回错误提示，保护敏感项目不被 AI 访问。

### 提供的 MCP 工具（7个）

| 工具 | 参数 | 说明 |
|------|------|------|
| `search_knowledge` | `project_id`(必填), `query`(必填), `top_k`(默认5), `category`(可选) | 检索指定项目的知识库，返回相关文档片段 |
| `ask_knowledge` | `project_id`(必填), `query`(必填), `top_k`(默认5), `category`(可选) | RAG 问答，返回 AI 生成的回答及引用来源 |
| `list_projects` | 无 | 列出所有项目及其文档数/块数/MCP状态 |
| `list_documents` | `project_id`(必填) | 列出项目下所有文档及元数据 |
| `get_project_stats` | `project_id`(必填) | 项目详细统计（格式分布、分类分布、OCR使用） |
| `search_all_projects` | `query`(必填), `top_k`(默认10) | 跨所有已开启MCP的项目检索 |
| `get_system_status` | 无 | 获取系统状态（LLM连接、OCR、监听等） |

### MCP Resources（3个）

AI 客户端可通过 URI 直接读取资源：

| URI | 说明 |
|-----|------|
| `minirag://projects` | 所有知识库项目列表 |
| `minirag://{project_id}/documents` | 指定项目的文档列表 |
| `minirag://{project_id}/stats` | 指定项目的统计信息 |

### 常用用法示例

**在 Claude 中检索项目文档：**
```
请使用 minirag 的 search_knowledge 工具，
project_id: "my-app",
query: "用户认证的实现方式",
top_k: 5
```

**获取 AI 生成的回答：**
```
用 ask_knowledge 工具，project_id: "my-app"，
query: "这个项目的架构是怎样的？"
```

**先查看有哪些项目：**
```
调用 list_projects 看看有哪些知识库可用
```

**跨项目搜索：**
```
不确定信息在哪个项目，用 search_all_projects 搜索 "数据库连接池配置"
```

**查看项目文档列表：**
```
调用 list_documents，project_id: "my-app"，看看有哪些文档
```
```

**按分类过滤检索：**
```
检索 "api-design" 项目中 category 为 "architecture" 的文档，
查询内容："微服务之间的通信方式"
```

**获取系统状态：**
```
调用 get_system_status 检查知识库服务是否正常
```

### MCP 配置项（Web 系统配置 → MCP 服务）

| 配置项 | 说明 | 默认值 |
|--------|------|--------|
| 启用 MCP Server | 全局开关 | false |
| 运行模式 | stdio / http | stdio |
| 服务名称 | MCP 客户端显示的名称 | minirag-mcp |
| HTTP 监听地址 | 仅 http 模式 | 127.0.0.1 |
| HTTP 端口 | 仅 http 模式 | 8765 |
| API Key | 为空则不认证，设置后需在请求头或 URL 中携带 | 空 |

## Continue.dev 集成

1. 复制 `templates/local-rag-context-provider.js` 到 `~/.continue/extensions/local-rag/`
2. 在 `~/.continue/config.json` 中配置 contextProvider
3. 在 Continue 对话中输入 `@local-rag` 即可检索知识库

详见 `templates/` 目录下的配置模板。

## OCR 配置

MiniRAG 支持三种 OCR 引擎，在 Web 系统配置 → PDF OCR 中切换：

| 引擎 | 特点 | 适用场景 |
|------|------|----------|
| **RapidOCR**（默认） | pip 安装即用，onnxruntime 推理，中文识别好 | 绝大多数扫描版 PDF |
| **VLM 视觉模型** | 通过 Ollama 视觉模型理解图表/流程图/排版 | 含大量图表、流程图的技术文档 |
| **Tesseract** | 需手动安装引擎和语言包 | 已有 Tesseract 环境 |

**VLM 模式配置：**
- OCR 引擎选择 `vlm`
- 配置 VLM API 地址（默认 Ollama 地址）
- 配置 VLM 模型名称（如 `qwen2-vl:7b`）
- 选择 vlm 后才显示 VLM 相关配置项

## 数据迁移方案

### 项目级导出/导入（推荐）

适用于选择性迁移、项目合并、跨机器传输。

**导出：**
- Web：项目管理 → 导出按钮（可选是否包含向量数据）
- API：`GET /api/v1/projects/{id}/export?include_embeddings=true`

导出的 JSON 包含：
- 项目元数据（简称、名称、MCP开关等）
- 所有向量块（ids/documents/metadatas/embeddings）
- 文件哈希（导入后恢复增量更新能力）

**导入：**
- Web：项目管理 → 导入项目（可选合并模式）
- API：`POST /api/v1/projects/import?merge=false`

导入选项：
- `new_project_id`：指定新项目简称（留空使用原简称）
- `new_name`：指定新项目名称
- `merge=true`：合并模式，项目已存在时追加数据

### 全量备份/恢复

适用于整机迁移、系统重装前备份。

**备份：**
- Web：项目管理 → 全量备份（下载 zip）
- API：`POST /api/v1/backup`

备份内容：整个 `data/` 目录（项目、向量库、配置、哈希、监听配置）

**恢复：**
- Web：项目管理 → 全量恢复（需勾选确认覆盖）
- API：`POST /api/v1/restore?overwrite=true`

恢复时原数据自动备份为 `data.backup-时间戳/`，恢复后需重启服务。

### 迁移注意事项

| 注意事项 | 说明 |
|----------|------|
| **Embedding 模型一致性** | 导出包含向量时，导入后必须使用相同的 Embedding 模型，否则检索结果不准确 |
| **文件路径** | 文件哈希存储绝对路径，迁移到新机器后路径可能不同，首次导入目录会全量重新解析 |
| **目录监听** | 监听配置存储绝对路径，迁移后需在 Web 中重新添加监听 |
| **配置覆盖** | 全量恢复会覆盖 `config.json`，包括 LLM 地址、API Key 等，恢复后需检查配置 |
| **项目简称冲突** | 导入时如果简称已存在且未开启合并模式，会报错；开启合并则追加数据 |
| **向量数据大小** | 包含 embeddings 的导出文件较大，大量文档时建议分批导出 |

### 迁移场景推荐

| 场景 | 推荐方式 |
|------|----------|
| 换电脑，全部迁移 | 全量备份 → 新机器全量恢复 → 修改配置和路径 |
| 只迁移某个项目 | 项目导出 → 新机器导入 |
| 合并两个项目 | 导出项目A → 导入到项目B（merge=true） |
| 换 Embedding 模型 | 导出时不包含向量 → 导入后重新导入文档目录 |
| 定期备份 | 全量备份 zip，保留历史版本 |

## 增量更新原理

- 每个文件导入时计算 SHA256 内容哈希，存储到 `data/file_hashes.json`
- 重复导入时对比哈希，未变化的文件自动跳过
- 文件内容变化时重新解析并更新向量
- 目录监听模式下，文件修改自动触发增量同步
- 项目导出时包含文件哈希，导入后自动恢复增量更新能力

## 桌面端使用

MiniRAG 提供基于 PyWebView 的桌面端，无需打开浏览器，直接在独立窗口中使用。

### 启动
```bash
python desktop.py
```

### 桌面端特性
- **独立窗口**：内嵌 Web 界面，高 DPI 清晰显示
- **系统托盘**：关闭窗口最小化到托盘，右键菜单可显示窗口/打开浏览器/退出
- **端口自动选择**：从 8765 开始自动查找可用端口，避免冲突
- **单实例锁**：防止重复启动
- **无控制台**：打包后不显示命令行窗口

### 托盘菜单
- **显示窗口**：从托盘恢复主窗口
- **打开浏览器**：在默认浏览器中打开管理界面
- **退出**：完全关闭 MiniRAG

### 注意事项
- Windows 10/11 自带 Edge WebView2 运行时，无需额外安装
- 桌面端运行后，API 服务同样可以通过 `http://127.0.0.1:端口` 访问
- MCP 客户端连接时请使用桌面端实际运行的端口（启动日志中显示）

## 打包 EXE

```bash
# 一键打包
build.bat

# 或手动执行
pyinstaller minirag.spec
```

打包产物在 `dist/MiniRAG/` 目录，运行 `MiniRAG.exe` 即可启动服务。

## 目录结构

```
MiniRAG/
├── app/
│   ├── main.py              # 入口（FastAPI + MCP 嵌入）
│   ├── config_manager.py    # 统一配置管理
│   ├── models.py            # Pydantic 数据模型
│   ├── vector_store.py      # 向量存储（多项目隔离 + 导出导入）
│   ├── rag.py               # RAG 检索问答
│   ├── chunker.py           # 语义分块器
│   ├── hashing.py           # 增量更新哈希
│   ├── task_manager.py      # 异步任务管理
│   ├── watcher.py           # 目录监听
│   ├── mcp_server.py        # MCP Server（7工具 + 3 Resources）
│   ├── llm/                 # 多模型抽象层
│   │   ├── base.py
│   │   ├── providers.py     # Ollama/OpenAI/Claude/Codex
│   │   └── factory.py
│   ├── retrieval/
│   │   └── hybrid.py        # 混合检索（BM25+向量+Rerank）
│   ├── parser/              # 多格式解析器（24种格式）
│   │   ├── __init__.py
│   │   ├── pdf.py           # PDF + RapidOCR/VLM
│   │   ├── text.py
│   │   ├── office.py
│   │   ├── web.py
│   │   ├── data.py
│   │   └── ebook.py
│   ├── routes/              # API 路由
│   │   ├── projects.py      # 项目管理 + 导出导入 + 备份恢复
│   │   ├── documents.py
│   │   ├── query.py
│   │   ├── system.py
│   │   ├── config.py
│   │   └── tasks.py
│   └── static/
│       ├── index.html       # Web 管理界面（纯 HTML）
│       ├── css/
│       │   └── style.css    # 样式
│       ├── js/
│       │   └── app.js       # 交互脚本
│       └── img/
│           ├── logo.png
│           └── logo.ico
├── desktop.py               # 桌面端启动入口（PyWebView + 系统托盘）
├── templates/               # Continue.dev 配置模板
├── data/                    # 运行时数据（自动创建）
├── requirements.txt
├── run.py                   # 打包入口
├── minirag.spec             # PyInstaller 配置
├── build.bat                # 一键打包脚本
├── start.bat                # 一键启动脚本
└── README.md
```

## 配置说明

配置存储在 `data/config.json`，可通过 Web 界面或 API 修改，运行时立即生效。

| 分类 | 说明 |
|------|------|
| server | 服务端口、主机 |
| llm | LLM provider、base_url、model、api_key |
| embedding | Embedding provider、base_url、model |
| rerank | Rerank 模型配置 |
| ocr | OCR 引擎（rapidocr/vlm/tesseract）、DPI、VLM 配置 |
| watcher | 目录监听防抖 |
| chunking | 分块大小、重叠、语义分块开关 |
| mcp | MCP 模式（stdio/http）、名称、HTTP 地址、API Key |
| retrieval | 默认 top_k、相似度阈值、混合检索开关 |

## 常见问题

### MCP 调用报错 "AssertionError: Unexpected message"
这是 FastAPI BaseHTTPMiddleware 与 MCP SSE 流式响应不兼容导致的。v2.4 已将 MCP 认证中间件改为纯 ASGI 中间件，升级后重启服务即可。

### LLM 显示"未连接"
检查系统配置中 LLM 的 provider 和 base_url 是否正确。MiniRAG 会根据配置的 provider 自动检测对应服务的连通性，不再固定检测本地 Ollama。

### 目录监听无法删除
旧版本监听 ID 格式为 `project_id::目录路径`，含特殊字符导致 URL 解析失败。v2.2 已改为 UUID，并自动迁移旧格式 ID。

### 导出项目时报错 "Unable to serialize numpy.ndarray"
v2.4 已修复，导出时自动将 numpy 数组转为 list。

### 打包后 OCR 不可用
RapidOCR 依赖 onnxruntime 模型文件，打包时需确保 `collect_submodules('onnxruntime')` 已包含在 spec 中。使用项目自带的 `minirag.spec` 即可。

### 换电脑后检索结果不准确
检查 Embedding 模型是否与导出时一致。如果换了模型，需要重新导入文档目录（导出时选择不包含向量）。

### 桌面端窗口模糊
确保使用 `desktop.py` 启动，已内置高 DPI 支持。如果仍模糊，检查 Windows 显示设置中的缩放比例。

## 版本历史

### v2.4
- MCP 嵌入主服务，7 个工具 + 3 个 Resources + API Key 认证
- 项目模型重构：简称 + UUID 唯一 ID，自动数据迁移
- 项目导出/导入（含向量/文件哈希），全量备份/恢复
- MCP 认证改为纯 ASGI 中间件，修复 SSE 流式响应冲突
- get_system_status 改为直接调用内部函数，修复超时

### v2.3
- OCR 升级为 RapidOCR（本地，中文识别好），保留 VLM 视觉模型接口
- LLM 连通性检测按 provider 自动适配
- Web 页面 UI 美化，测试按钮位置优化，全局去除 Emoji

### v2.2
- 重命名为 MiniRAG，系统配置增加测试按钮
- 监听 ID 改为 UUID，修复无法删除问题
- Web 页面重写为左侧导航布局，增加 Logo

### v2.1
- 多模型接口：Ollama/OpenAI-Chat/OpenAI-Response/Codex/Claude
- 混合检索（BM25+向量 RRF 融合）+ 可选 Rerank
- 语义分块器（按 Markdown 标题层级）
- 异步导入 + 实时进度条

### v2.0
- 统一配置系统（9 分类）
- 多格式解析器重构（24 种格式，参考 anydoc）
- 增量更新（SHA256 哈希）
- MCP Server（stdio 模式）
- Continue.dev 集成

### v1.0
- FastAPI + ChromaDB + Ollama 核心服务
- 多格式解析、多项目隔离、元数据标签
- 纯检索 API + RAG 问答
- Web 管理页面 + 目录监听 + OCR