AI 驱动的个人知识管理工具，融合 笔记管理 + neo4j知识图谱 + GraphRAG + AI 写作辅助，解决"笔记写了从不回看、知识散落成孤岛"的问题。
本项目最初是一个基础 RAG 对话系统，我们做了一次重要转型，从基础的 RAG，转型为解决实际问题的 RAG NoteBook：
| 阶段一（base-rag 分支） | 阶段二（master 分支） | |
|---|---|---|
| 定位 | 纯 RAG 对话服务，开箱即用 | 智能笔记助手，长期维护支持版本， Agentic RAG + KnowledgeGraph |
| 能力 | 文档上传 → 向量检索 → AI 问答（非GraphRAG） | 笔记管理 + 知识图谱 + RAG + AI 写作 |
| 适合谁 | 想快速集成 RAG 能力的开发者或希望学习RAG技术的个人 | 需要AI管理笔记和知识库的个人以及简历需要相关项目的求职者 |
RAG 始终是整个系统的核心引擎。 基础 RAG 代码已永久保留在 base-rag 分支供学习使用，如果只需要纯 RAG 服务，切换到base-rag即可开箱使用。
基于 FastAPI + LangChain 构建的智能笔记助手，核心能力包括：
- RAG 知识库：多格式文档上传（txt/pdf/md/pptx/docx），自动构建知识图谱，图谱引导的混合检索问答
- 笔记管理：Markdown 编辑器、笔记自动写入知识图谱、智能标签（LLM 自动分类）、语义搜索、Markdown 导出
- 间隔重复回顾：艾宾浩斯遗忘曲线算法，对抗遗忘
- AI 写作辅助：联机补全、续写/扩写/摘要、关联笔记推荐
系统支持会话持久化（MySQL）、向量检索（Neo4j 知识图谱）、JWT 用户隔离，前端采用React+Tailwind CSS构建现代化界面。
- 📝 笔记管理：Markdown 编辑器，支持新建、编辑、删除、分类筛选、分页列表
- 🏷️ 智能标签：保存笔记后 LLM 异步生成标签和分类（工作/学习/生活/项目），无需手动归类
- 🔍 语义搜索：Neo4j 向量 + 全文混合检索（RRF 融合），笔记/知识库统一召回
- 🕸️ 知识图谱：LLM 抽取实体与关系存入 Neo4j，可视化画布浏览，检索时沿图扩展证据
- ✍️ AI 联机补全：打字停顿后模型实时补全，Tab 键快速采纳
- 🤖 AI 写作助手：续写、扩写、摘要生成，SSE 流式输出
- 🔗 跨源关联推荐：编辑笔记时，从笔记库和知识库双向检索 Top k 相关文档
- 💬 智能问答：图谱引导的 Agentic RAG 对话，回答附知识图谱与笔记来源引用
- 💾 会话持久化：MySQL 存储对话历史，随时回溯
- 📄 文档管理：支持 TXT / PDF / MD / PPTX / DOCX 上传，可视化切片详情
- 🌐 多语言支持：前端 i18n，中英文界面切换
- ⛑️ 安全隔离：用户级知识库隔离，RAG 检索只能访问本人数据
| 功能模块 | 界面展示 |
|---|---|
| 笔记编辑 |  |
| 笔记列表 |  |
| 知识库 |  |
| 知识图谱 |  |
| 对话检索（图谱引导 RAG，回答附来源引用） |  |
💡 想最快跑起来？直接用下方 Docker 一键启动，无需安装 Python / Node / MySQL / Redis / Neo4j。
前置要求：已安装 Docker Desktop 并启动引擎；建议内存 ≥ 4GB；首次构建约 10 分钟（后端依赖较大）。
git clone https://github.com/RMA-MUN/RAGNotebook.git
cd RAGNotebookWindows：直接双击（或在终端运行）根目录 start.bat——自动生成 backend/.env（如不存在）、构建并启动全部 5 个容器、等待后端就绪后打开浏览器。
Linux / macOS（手动方式，start.bat 仅 Windows）：
# 1. 生成环境变量文件并填入模型 Key
cp backend/.env.example backend/.env
# 编辑 backend/.env，至少填写 OPENAI_BASE_URL / OPENAI_API_KEY / OPENAI_MODEL_NAME
# 2. 构建并启动（可选：改库密码在根目录 .env 中覆盖 MYSQL_ROOT_PASSWORD / NEO4J_PASSWORD）
docker compose up -d --build启动完成后：
| 入口 | 地址 | 说明 |
|---|---|---|
| 前端页面 | http://localhost:3000 | 默认账号 admin / admin1234（后端启动时自动创建） |
| 后端 API 文档 | http://localhost:8000/docs | 便于调试 |
常用操作：
docker compose up -d # 启动（重启电脑后恢复用）
docker compose down # 停止（数据保留）
docker compose logs -f backend # 查看后端日志
docker compose restart backend # 修改 backend/.env 的模型 Key 后使其生效重要：模型密钥通过
backend/.env挂载注入（已 .gitignore，不会进入镜像），容器内 MySQL / Redis / Neo4j 的地址与密码由docker-compose.yml自动接管，无需也不应修改.env中的 localhost 配置；未配置 LLM Key 时服务可正常启动浏览，但问答等 AI 功能不可用。数据持久化：MySQL / Redis / Neo4j 数据在 Docker 数据卷中，上传文件/日志在
backend/media、backend/logs、backend/data目录。彻底重置全部数据：docker compose down -v（慎用，会清空数据库）。
| 环境 | 版本推荐 |
|---|---|
| Python | 3.12+ |
| uv | 0.11.9 |
| Node.js | 16+ |
git clone https://github.com/RMA-MUN/RAGNotebook.git
cd RAGNotebookcd backend
uv sync --extra dev说明：文档解析依赖（
unstructured+ torch，数 GB）放在parsers依赖组中，默认随uv sync一起安装，本地/Docker 行为不变； CI 用uv sync --extra dev --no-group parsers跳过它以保持快速。
cd front
npm install在 backend 目录下创建 .env 文件，参考 .env.example 文件填写配置：
# ==================== 对话模型（OpenAI 兼容协议，必填） ====================
# 任意兼容服务：OpenAI / DeepSeek / 百炼 compatible-mode / 智谱 / Moonshot / Ollama /v1
OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
OPENAI_API_KEY=your_api_key
OPENAI_MODEL_NAME=qwen3-max
# ==================== 嵌入模型（可选；留空回落 OPENAI_*） ====================
# EMBED_BASE_URL=
# EMBED_API_KEY=
# EMBED_MODEL_NAME=text-embedding-v3
# ==================== 云端重排序（可选；失败时按原顺序降级） ====================
RERANKER_API_BASE_URL=https://api.siliconflow.cn/v1
RERANKER_API_KEY=sk-xxx
RERANKER_MODEL=BAAI/bge-reranker-v2-m3
# ==================== 数据库配置 ====================
MYSQL_USER=root
MYSQL_PASSWORD=root
MYSQL_HOST=localhost
MYSQL_PORT=3306
MYSQL_DATABASE=chat_history
REDIS_HOST=localhost
REDIS_PORT=6379
REDIS_DB=0
# 联网搜索。因为tavily现在每个月有1000次的免费额度，所以这里默认使用的是tavily
WEB_SEARCH_ENABLED=false
# WEB_SEARCH_PROVIDER=tavily
# WEB_SEARCH_API_KEY=
# ==================== Neo4j 知识图谱数据库 ====================
NEO4J_URI=bolt://localhost:7687
NEO4J_USER=neo4j
NEO4J_PASSWORD=your_password
# ==================== JWT 身份验证配置 ====================
SECRET_KEY=MY_JWT_SECRET_KEY
ALGORITHM=HS256完整配置项（视觉模型、联网搜索兜底、跨平台混搭示例等）见 backend/.env.example。
| 服务 | 命令 | 端口 |
|---|---|---|
| 后端服务 | cd backend && uvicorn main:app --reload |
8000 |
| 前端服务 | cd front && npm run dev |
3000 |
| MySQL | net start mysql | 3306 |
| Redis | redis-server 或 net start redis | 6379 |
| Ollama（如果使用） | ollama serve | 11434 |
| 技术 | 说明 |
|---|---|
| FastAPI | 高性能异步 Web 框架 |
| LangChain | 大语言模型应用开发框架（create_agent + Tools） |
| Neo4j | 图数据库：知识图谱存储 + Chunk 向量/全文检索 |
| SQLAlchemy | 异步 ORM，管理 MySQL |
| MySQL | 关系型数据库（chat_history / notes / reviews） | | Redis | 缓存 | | OpenAI 兼容 API | LLM 服务（DashScope / DeepSeek / SiliconFlow / Ollama 任选） | | 云端 rerank API | 重排序服务（SiliconFlow / Jina / Cohere 兼容） |
| 技术 | 说明 |
|---|---|
| React 19 | 现代化前端框架 |
| TypeScript | 类型安全 |
| Vite | 极速构建工具 |
| Tailwind CSS | 原子化 CSS 框架 |
| Radix UI | 无头 UI 组件库 |
| Tiptap | 富文本 Markdown 编辑器 |
| React Router DOM | 路由管理（路由守卫 + JWT 校验） |
| Zustand | 轻量状态管理 |
| i18next | 国际化（中/英） |
| Axios | HTTP 客户端 |
| react-markdown + rehype-highlight | Markdown 渲染与代码高亮 |
| dompurify | HTML 安全过滤 |
├── backend/ # FastAPI 后端服务
│ ├── app/
│ │ ├── agent/ # Agent 智能代理（create_agent + 工具定义）
│ │ ├── cache/ # Redis 缓存装饰器
│ │ ├── config/ # 配置文件（document.yaml 等）
│ │ ├── core/ # 核心设施（settings 配置中心、限流、响应封装、日志、后台初始化）
│ │ ├── db/ # 数据库配置（MySQL + Redis）
│ │ ├── graph/ # 知识图谱模块
│ │ │ ├── extraction/ # LLM 实体抽取 + Chunk 规则匹配
│ │ │ ├── routers/ # 图谱 API（总览/实体/关系/检索/SSE 事件）
│ │ │ ├── services/ # 抽取管线 + 构建任务 worker
│ │ │ └── storage/ # Neo4j 驱动与 GraphStore 实现
│ │ ├── models/ # SQLAlchemy ORM 模型（笔记/回顾/对话/图谱任务等）
│ │ ├── prompt/ # 提示词模板
│ │ ├── rag/ # RAG 核心功能
│ │ │ ├── agentic_rag/ # Agentic RAG（规划/检索/证据融合/联网兜底）
│ │ │ ├── reorder_service.py # 云端重排序服务
│ │ │ ├── vector_store.py # 知识库文档服务（切片/MD5/Neo4j 读取）
│ │ │ ├── text_spliter.py # 文档切片
│ │ │ ├── document_handler/# 文档解析（txt/pdf/md/pptx/docx）
│ │ │ └── md5_manager/ # 上传去重记录
│ │ ├── router/ # API 路由（聊天/笔记/回顾/知识库/笔记模板/用户/健康）
│ │ ├── schemas/ # Pydantic 数据模型
│ │ ├── services/ # 业务服务层（笔记/回顾/笔记模板/会话管理）
│ │ └── utils/ # 工具函数
│ ├── data/ # 数据存储目录
│ ├── Dockerfile # 后端容器镜像
│ ├── .dockerignore
│ ├── main.py # 应用入口
│ └── pyproject.toml
├── front/ # React 前端项目
│ ├── src/
│ │ ├── api/ # API 请求层（auth/chat/notes/knowledge/review/sessions/graph）
│ │ ├── components/ # 组件
│ │ │ ├── common/ # 通用组件（TagBadge, ConfirmDialog, EmptyState 等）
│ │ │ ├── graph/ # 知识图谱组件（画布、实体详情面板）
│ │ │ ├── knowledge/ # 知识库组件
│ │ │ ├── layout/ # 布局组件（Sidebar）
│ │ │ ├── note/ # 笔记组件（OutlinePanel, RelatedFragments）
│ │ │ └── TiptapEditor.tsx # 富文本编辑器
│ │ ├── hooks/ # 自定义 Hooks（useSSE, useGraphEvents）
│ │ ├── i18n/ # 国际化（中/英）
│ │ ├── layouts/ # 页面布局（AuthLayout, MainLayout）
│ │ ├── pages/ # 页面
│ │ │ ├── NoteEditor.tsx # 笔记编辑器
│ │ │ ├── NoteList.tsx # 笔记列表
│ │ │ ├── DailyReview.tsx # 每日回顾
│ │ │ ├── AIChat.tsx # AI 聊天
│ │ │ ├── GraphPage.tsx # 知识图谱
│ │ │ ├── Sessions.tsx # 会话管理
│ │ │ ├── KnowledgeBase.tsx# 知识库管理
│ │ │ ├── Login.tsx / Register.tsx
│ │ │ ├── Profile.tsx / Settings.tsx
│ │ │ └── AboutUs.tsx
│ │ ├── router/index.tsx # 路由配置
│ │ ├── stores/ # Zustand 状态管理
│ │ ├── types/api.ts # TypeScript 类型定义
│ │ ├── App.tsx # 应用入口组件
│ │ └── main.tsx # 应用入口
│ ├── Dockerfile # 前端多阶段构建（node 编译 → nginx 托管）
│ ├── nginx.conf # nginx 静态托管 + 后端 API 反向代理
│ ├── .dockerignore
│ └── package.json
├── docs/ # 项目文档
│ ├── project_develop.md # 项目变迁与设计思路
│ └── troubleshooting.md # 故障排除
├── images/ # 截图资源
├── plan/ # 开发计划归档
├── docker-compose.yml # Docker 一键启动编排（前端/后端/MySQL/Redis/Neo4j）
└── start.bat # Windows 一键启动脚本
启动服务后访问交互式文档：http://localhost:8000/docs
所有模型（对话/视觉/嵌入）统一走 OpenAI 兼容协议，改 OPENAI_BASE_URL / OPENAI_API_KEY / OPENAI_MODEL_NAME 即可切换服务商（DeepSeek / 百炼 compatible-mode / 智谱 / Moonshot / Ollama /v1 均可）。
三个能力支持跨平台混搭：VISION_* 与 EMBED_* 留空时整体回落 OPENAI_*，配置示例见 .env.example。
重排序已切换云端 rerank API（SiliconFlow / Jina / Cohere 兼容），配置 RERANKER_API_BASE_URL / RERANKER_API_KEY / RERANKER_MODEL 即可，无需下载本地模型。
详细的故障排除指南请参考：故障排除
常见问题：
- API Key 错误：检查 OPENAI_API_KEY 是否正确配置
- 数据库连接失败：确认 MySQL / Redis 服务已启动
- 图谱服务异常：检查 Neo4j 服务状态与
NEO4J_URI配置 - 重排序失败：检查
RERANKER_API_BASE_URL/RERANKER_API_KEY配置（失败时自动按原顺序降级） - Ollama 连接失败：确认
ollama serve已运行且模型已拉取
如有任何问题或建议，欢迎提交 GitHub Issues 或联系作者：
- Email: [email protected]
- QQ: 3032747608
本项目基于MIT开源协议， 点击跳转LICENSE