个人知识库，我现在只做到了可用的索引

“个人知识库”很容易被说成一个完整系统：资料自动导入、向量检索、AI 回答，还能准确引用来源。这个网站目前没有做到这些。现在上线的是一个知识索引页面，用来把已有文章按主题整理，并提供通往原文的入口。

这听起来没有 RAG 那么新鲜，但它先解决了一个更基础的问题：我到底有哪些内容，它们是否值得继续整理。

先把来源弄清楚

站内最确定的资料是 content/posts 里的 MDX 文章。它们有标题、日期、分类、标签和正文，已经具备基本结构。搜索索引也可以从这些公开内容生成，不需要先引入另一个数据库。

知识页面不应该摆几张没有去向的卡片。每个主题都要能回到真实文章，数量也应从现有内容计算或认真维护。暂时没有资料的主题，可以明确写成计划，而不是用演示数据填满。

为什么还没有急着接向量数据库

向量检索适合处理“用不同说法表达相近意思”的查询，但它也会带来一整条新链路：文档解析、分块、Embedding、索引更新、召回、重排和来源引用。任何一环做得含糊，最后的回答都可能很流畅，却找错了材料。

如果以后继续做，我会先用一小批公开文章验证下面几件事：

1. 修改或删除文章后，索引能否同步更新；
2. 检索结果能否稳定指向具体原文；
3. 没有相关资料时，系统能否直接说“没有找到”；
4. 私密和草稿内容是否始终不会进入公开索引；
5. 传统关键词搜索是否已经足够解决问题。

只有这些问题有了答案，才需要比较 Embedding 模型或 Qdrant、pgvector 等存储方案。现在仓库里没有一个完成的 Qdrant + BGE 服务，我也不想把设计草图写成上线经验。

AI 问答应该是最后一层

对个人资料而言，能找到来源比生成一段完整回答更重要。理想流程应该先展示命中的文章和片段，再允许模型基于这些内容做归纳，并把引用一起返回。

当检索不到可靠资料时，回答就应该停下来。给模型一句“请不要编造”并不能真正约束它，程序还需要检查召回分数、来源数量和内容权限。

所以这个功能目前的状态很明确：知识索引已经可以作为站内导航使用，向量检索和知识问答仍是原型方向。把“还没做完”写清楚，反而方便以后判断它是否真的变得更好用。