用 380 行 Python 给公司做了个离线知识库（带出处、带权限）

[luobobo8965]

公司制度文档散在网盘、群聊、个人电脑，新人问、老人答，答的不一定是现行版本。试过 SaaS 知识库，卡在「数据出内网」和「按人头收费」两点，就自己写了一个。

只做一件事：把 Markdown 丢进 docs/，就能提问，回答带《文档》/章节出处，能点开核对原文；文档带可见范围（普通员工查不到财务制度，财务角色能看到）。全程不联网，零第三方依赖，一个文件 380 行。

几个实现上的小设计：

• 分块：维护标题栈 + 段落，约 420 字一块，每块自带「《员工报销制度》/ 报销标准」这样的路径，回答时直接当引用
• 中文分词：二元组切分，不依赖分词库，英文数字按词切
• 召回：BM25 + TF-IDF 双路加权。第一版问「出差住宿报销上限」，第一条返回的是「差旅餐补」——加「查询词覆盖率」加权后才稳定命中住宿段落
• 回答默认抽取式，不生成。制度类问题最怕编造，返回原文让人自己核对

部署就两条命令：python3 kb.py ingest 建索引，python3 kb.py serve 起服务，目录拷到内网机器就能用。

演示（ 89 秒纯录屏）： https://youtu.be/cNloexteD4s 实现细节长文： https://juejin.cn/spost/7699848140908544010 代码： https://github.com/luobobo896

轻喷。主要想听检索排序和文档权限这两块还有哪些坑，或者你们公司现在怎么解决「制度找不到」这个问题。

[loading]

代码地址给个 github 账号是什么意思？

我看了你账号上的 17 个 repo ，没找到。

没诚意就别发出来。