AI 问答

基于本地 RAG（检索增强生成），让 AI 用你自己积累的知识库回答你的问题。

特点

隐私优先：笔记内容只发给你配置的 API，不经过任何第三方中转
API 兼容：支持所有 OpenAI 格式的服务（DeepSeek、Moonshot、Ollama、Groq、Azure、OpenRouter…）
引用来源：每段回答都附带引用的笔记来源，可点击跳转验证
上下文对话：多轮对话，AI 记得聊到哪里
流式输出：像 ChatGPT 一样边生成边显示

快速开始

1. 配置 API

设置 → AI 模型 → 填入：

字段	值示例	说明
API Base URL	`https://api.openai.com/v1`	OpenAI 官方
	`https://api.deepseek.com/v1`	DeepSeek
	`https://api.moonshot.cn/v1`	Moonshot
	`http://localhost:11434/v1`	本地 Ollama
API Key	`sk-...`	你的密钥
Model	`gpt-4o-mini` / `deepseek-chat` / ...	模型名

保存后 → 点击"测试连接"→ 成功即可用。

2. 开始问答

侧边栏 → AI 问答 图标
或快捷键 Ctrl+J / Cmd+J

输入问题，AI 会：

把问题向量化
在你的笔记库中检索最相关的 5-10 条
把问题 + 检索结果一起发给 LLM
返回带引用的回答

示例

你问：

我之前学 Rust 的时候记过什么关于生命周期的笔记？

AI 答（带引用）：

根据你的笔记，Rust 生命周期有以下要点：

1. 生命周期用来标注引用的有效期 [1]
2. 常见的 'a、'static 是生命周期参数 [2]
3. 你在 2026-03-15 发现一个细节：编译器的生命周期省略规则
   只适用于 3 种常见情况 [3]

📚 引用来源：
[1] Rust 所有权 · 2026-02-20
[2] Rust 生命周期 · 2026-03-10
[3] 每日笔记 2026-03-15 · 2026-03-15

点击引用链接跳转对应笔记。

向量索引

首次启用 AI 问答时，应用会自动对已有笔记构建向量索引：

用 text-embedding-3-small 或你指定的 embedding 模型
向量存储在本地 SQLite（vectors 表）
笔记新建 / 修改时增量更新索引，无需手动重建
1 万笔记索引用时约 2-5 分钟（取决于 API 速度）

成本估算

使用 OpenAI text-embedding-3-small（每百万 token $0.02）：

10 万笔记约 2000 万 token → 约 $0.4
之后只有新 / 改的笔记产生嵌入成本，几乎可忽略

聊天模式

除了基于 RAG 的问答，还支持纯聊天模式（不检索笔记）：

在输入框前加 @general
或切换到 "通用聊天" 标签

工具调用（规划中）

未来版本将支持：

AI 直接新建 / 修改笔记
AI 帮你整理标签
AI 提供"相似笔记"推荐
自动摘要长笔记

隐私说明

所有笔记内容只发给你配置的 API 服务
如使用本地模型（Ollama 等），完全离线
Knowledge Base 本身不记录任何聊天历史到服务端（只存本地 SQLite）
可以随时在 设置 → AI 模型 → 清空聊天历史 删除所有记录

需求	推荐服务	成本
最便宜	DeepSeek `deepseek-chat`	~$0.27/百万 token
最快	Groq `llama-3.1-70b-versatile`	免费额度可用
最聪明	OpenAI `gpt-4o` / Claude `claude-3-5-sonnet`	~$3/百万 token
完全本地	Ollama + `qwen2.5:14b`	免费（需要本地 GPU）

AI 问答 ​

特点 ​

快速开始 ​

1. 配置 API ​

2. 开始问答 ​

示例 ​

向量索引 ​

聊天模式 ​

工具调用（规划中） ​

隐私说明 ​

推荐配置 ​