---
name: rag-knowledge-base-local
description: 本地离线私有RAG知识库技能：上传多格式文档构建本地向量库，实现离线语义问答、文档溯源引用。当用户需要搭建内部私有知识库、本地文档检索、企业资料问答、涉密文档查询时触发。支持文档增量入库、多轮对话记忆、分库权限隔离，全程数据不上传第三方云端。关键词：本地RAG、私有知识库、企业文档问答、离线向量检索、涉密资料查询。
metadata:
  author: skillhub-creator
  version: "1.0"
category: knowledge-management
labels: ["私有知识库","RAG检索","企业文档问答","本地向量库","内部资料"]
---
# rag-knowledge-base-local — 私有企业知识库问答引擎
搭建完全本地运行的轻量化RAG问答体系，形成「文档批量入库→语义向量构建→离线检索匹配→多轮问答回复→原文溯源」完整闭环，解决企业内部资料分散、涉密文档无法使用公有AI、新人查阅资料效率低等痛点。
## 触发场景
- 用户需要批量导入企业制度、产品手册、合同文档搭建私有知识库
- 用户需要离线查询内部资料，禁止文档上传外部云端
- 用户基于已有知识库进行多轮递进式提问、交叉查阅多份文档
- 用户新增/修改业务文档，需要同步更新知识库索引
- 用户需要按部门、项目划分独立知识库，实现访问隔离
- 用户查询问答需要溯源原文段落、页码，留存查询记录归档
- 用户担心业务涉密文档通过公有AI泄露，需要纯本地离线问答方案
## 六大知识库能力模块
| 模块 | 触发条件 | 能力说明 |
|------|----------|----------|
| 多格式文档入库 | 批量导入本地业务文件 | 支持PDF/Word/Excel/Markdown/TXT自动解析、文本清洗、语义分段 |
| 本地向量索引构建 | 首次导入/新增文档 | 轻量化本地向量引擎，断网环境可正常检索，不向外传输文档数据 |
| 离线语义问答检索 | 自然语言查询内部资料 | 语义匹配文档段落，回答附带原文出处、文件名称、对应页码 |
| 多轮对话记忆 | 连续递进提问 | 记忆上下文历史问题，支持跨文档交叉检索、递进深挖信息 |
| 知识库分层管理 | 多部门/多项目区分资料 | 支持创建独立知识库，添加标签实现内容隔离检索 |
| 增量更新与日志导出 | 文档更新、查询留存需求 | 新增文件增量重建索引，导出全量问答日志用于归档复盘 |
各模块可单独启用，支持组合执行，例如批量导入文档后直接开启问答检索。
---
## 工作流程
### 第一步：接收用户指令并区分任务类型
1. 解析用户自然语言需求，区分两大任务类型：文档入库构建知识库 / 基于已有知识库问答检索；
2. 提取核心参数：目标文档文件夹、目标知识库名称、检索深度、是否开启多轮记忆；
3. 指令拆解示例：
指令：导入报销制度、员工手册两份PDF，查询差旅报销审批流程
任务类型：文档入库+问答检索；文档范围：指定两份PDF；知识库：人事制度库；开启原文溯源引用。
### 第二步：文档解析与向量库构建（入库任务分支）
1. 遍历目标文件夹，过滤损坏、无法读取的文档，生成导入失败清单；
2. 自动清洗文档冗余换行、乱码、无效页眉页脚，按语义边界智能分段；
3. 增量模式仅处理新增/修改文件，无需全量重建向量索引，大幅缩短耗时；
4. 生成本地向量数据，全部存储在用户本地目录，无任何文件外传；
5. 按标签归入对应独立知识库，实现分库隔离。
### 第三步：离线语义检索（问答任务分支）
1. 解析用户提问语义，匹配对应知识库内高相关段落；
2. 多文档交叉合并信息，整合完整回答内容；
3. 绑定原文段落、文档名称、页码作为溯源依据；
4. 开启多轮记忆时，缓存历史对话上下文，支持递进追问。
### 第四步：输出标准化问答内容
1. 优先输出完整回答，每条结论标注对应原文来源；
2. 自动记录本次问答日志，包含提问内容、匹配文档、查询时间；
3. 支持导出问答记录到本地文件归档；
4. 检索无匹配内容时，明确提示无相关资料，不编造虚假信息。
### 第五步：输出任务执行结果摘要
向用户输出结构化汇总信息：
- 文档入库任务：总文件数、成功入库数量、失败文件清单、向量库存储路径
- 问答检索任务：匹配文档数量、回答原文溯源列表、本次问答日志存储位置
- 知识库状态：当前已创建知识库列表、文档总量、索引更新时间
---
## 可配置参数（内置配置面板可调）
- retrieve_depth：检索深度 shallow浅层快速检索 / deep深度全文档检索
- multi_turn_enable：多轮对话记忆开关 true开启 / false关闭
- incremental_index：增量更新索引开关，新增文件自动刷新向量库
- knowledge_base_name：指定操作的独立知识库名称
- log_export_switch：问答日志自动导出开关
- low_performance_mode：低配设备轻量化模式，降低内存占用
## 适用场景
1. 企业行政：员工查询考勤、报销、人事制度，搭建人事知识库
2. 产品团队：产品手册、需求文档离线检索，快速解答业务疑问
3. 销售团队：产品参数、客户高频问题统一知识库，售前快速答疑
4. 研发团队：内部接口文档、技术方案本地离线查阅
5. 律所/金融机构：涉密合同、合规文件本地私有问答，规避数据泄露风险
## 运行约束与边界说明
1. 网络要求：首次初始化向量模型需联网下载轻量化模型包，后续全部操作断网可用；
2. 硬件边界：低配无GPU设备可开启轻量化模式，检索速度小幅下降；上万份文档初次构建索引耗时较长；
3. 能力边界：仅支持本地自有文档，无法联网调取外部网络资料；手写扫描文档识别效果较差；
4. 安全合规：文档、向量数据全部本地存储，无第三方云端上传，但仍建议核心涉密文件线下加密保管。
## 快速示例
### 示例1：简易文档入库+单次问答
**用户**：把桌面员工手册PDF导入人事知识库，查询年假申请规则
**流程**：解析入库+问答任务→读取PDF文档清洗分段→增量构建人事知识库向量索引→语义匹配年假相关段落→输出完整规则并标注原文页码→输出入库统计与问答日志路径
### 示例2：多轮递进深度检索
**用户**：导入项目合规文档，先看对外合作保密要求，再追问违约处罚条款
**流程**：批量导入合规文档并构建独立知识库→首轮检索保密条款并留存上下文记忆→基于历史提问递进检索违约处罚相关内容→合并两份原文内容输出完整回答→导出本次完整对话日志
