你只管往 00-Inbox/ 里丢东西，剩下的交给 AI 管线。
个人企业世界模型是一款纯本地、声明式、AI 自动维护的个人知识系统。它的核心理念是：
用户只负责原始信息的采集（随手记、会议记录、图片、语音转文字），AI 负责结构化提取、索引、关联、问答。
整个系统跑在你的笔记本上，不依赖任何云端服务（除非你主动配置 LLM API 启用 RAG 问答），所有数据都在本地，随时可以 Ctrl+C / Ctrl+V 整文件夹迁移。
解决的痛点：
- 笔记软件越用越多，搜不到想要的内容
- 知识散落在多个 app（印象笔记/Notion/Obsidian/微信收藏）无法联动
- 想有自己的 AI 助手，但公有云方案既贵又泄露隐私
- 传统 RAG 方案部署复杂（Docker/向量库/后端/前端）
| 功能 | 说明 |
|---|---|
| Inbox 速记 | 任意格式的随手记（文字/图片/代码），零格式要求，支持 .md / .txt |
| LLM 智能提取 | 用大模型分析笔记，自动拆分成 7 种实体类型；无 Key 时可用 --offline 规则模式 |
| 实体自动合并 | 同名实体按合并策略（append/union/max）累积演进，元数据存于文件 frontmatter |
| 双路检索 | SQLite FTS5（BM25）关键词检索 + bge 语义向量检索，RRF 混合召回 |
| RAG 问答 | 基于知识库的生成式问答，自动注入用户身份上下文，支持 SSE 流式输出 |
| OCR 识别 | 本地 PaddleOCR 2.x 或云端 API（百度/腾讯/阿里） |
| 文档管理 | 软删除/硬删除/恢复，源文件丢失自动进回收站，知识永不意外丢失 |
| 文件监听 | Inbox 变更自动触发管线（防抖 + 防重入） |
| 配置迁移 | API Key / 用户身份 / AI 提示词 一键导出/导入/备份/恢复（默认脱敏） |
| 双击即用 | 单文件 .exe（Windows），内置 Python 运行时 + bge 模型 |
| 安全加固 | 本地 API 随机令牌鉴权 + Host 校验 + JSON-only POST，防 DNS 重绑定与 CSRF |
| 统一日志 | 控制台 + 文件双通道，按天轮转保留 7 天，关键路径性能埋点 |
| 崩溃日志 | 未捕获异常（含后台线程）自动写入 logs/crashes/，可选匿名上报开关 |
| 诊断面板 | 设置页实时查看 torch 状态、崩溃日志、性能指标 |
┌─────────────────────────────────────────────────────────┐
│ 00-Inbox 你负责：原始信息采集（随手记/图片/截图） │
└─────────────────────┬───────────────────────────────────┘
│ AI 管线自动提取
┌─────────────────────▼───────────────────────────────────┐
│ 10-Theory 行业通用知识、笔记原文存档（notes/） │
│ 20-Ontology 业务本体：术语/流程/系统/组织 │
│ 30-Instances 实例：常量/案例/数据画像 │
│ 40-Skills 可执行技能：提示词/脚本/检查清单 │
└─────────────────────┬───────────────────────────────────┘
│ 双索引
┌─────────────────────▼───────────────────────────────────┐
│ data/ │
│ ├── world-model.db SQLite + FTS5 全文索引（WAL） │
│ └── vector/ bge-small-zh 语义向量索引 │
└─────────────────────┬───────────────────────────────────┘
│ 检索
┌─────────────────────▼───────────────────────────────────┐
│ RAG Pipeline 双路召回 → 注入用户上下文 → LLM 生成 │
└─────────────────────────────────────────────────────────┘
| 类型 | 目录 | 用途 | 示例 |
|---|---|---|---|
term |
20-Ontology/dictionary/ |
术语/概念 | RAG、知识图谱 |
process |
20-Ontology/processes/ |
业务流程 | 订单退款流程 |
system |
20-Ontology/systems/ |
系统/平台 | SAP、EPM |
constant |
30-Instances/constants/ |
数值常量 | 超时时间=30分钟 |
case |
30-Instances/cases/ |
案例/故障 | 订单服务 OOM 故障 |
skill |
40-Skills/ |
可执行技能 | 代码审查检查清单 |
note |
10-Theory/notes/ |
原文存档（兜底） | 杂记、无结构化内容 |
提取策略：LLM 优先分析 → 失败回退关键词触发 → 再失败整篇存为 note（永远不丢）。超过 6000 字符的长笔记在提取实体之外会自动追加整篇 note 保留全文。
合并策略：实体文件头部带 YAML frontmatter（type/aliases/source/created_at 等元数据），同名实体再次提取时按 merge-policy.yaml 声明的策略合并（definition 追加、aliases 取并集、confidence 取最大），历史积累与人工编辑不会被覆盖。
| 组件 | 选型 | 用途 |
|---|---|---|
| 桌面壳 | pywebview + Flask |
本地桌面界面（内嵌 Web UI） |
| 数据库 | SQLite + FTS5（WAL 模式） |
全文索引 + 向量索引存储 |
| 向量模型 | bge-small-zh-v1.5 |
中文语义向量（512 维） |
| 推理框架 | sentence-transformers + torch |
模型加载与向量生成（失败回退 TF-IDF） |
| LLM API | openai SDK |
DeepSeek/Kimi/MiniMax 统一接口 |
| OCR 本地 | PaddleOCR 2.x（可选） |
高精度中文识别 |
| OCR 云端 | baidu-aip / tencentcloud-sdk |
每月免费额度 |
| 文件监听 | watchdog |
Inbox 变更自动触发管线 |
| 打包 | PyInstaller |
单文件 exe |
- 前往 Releases 下载最新
个人企业世界模型.exe - 放到任意目录（例如桌面，注意需有写入权限）
- 双击运行，等待启动画面完成初始化（首次需要解压 + 加载 torch）
- 在「设置 → API 配置」填入 LLM Key（可选，启用 RAG 问答）
- 在「笔记」写第一篇速记 → 到「本体生成」点运行 → 去「对话」开始问答
# 1. 克隆仓库（需要 Git LFS，否则 bge 模型只是指针文件）
git lfs install
git clone https://github.com/111acge/personal-word-onto.git
cd personal-word-onto
git lfs pull
# 2. 创建虚拟环境（推荐 Python 3.11+）
python -m venv .venv
.venv\Scripts\activate # Windows
# source .venv/bin/activate # Linux/macOS
# 3. 安装依赖
pip install -r requirements.txt
# 4. 启动桌面界面
python start.py# 运行 AI 管线（处理 Inbox + 提取 + 索引）
python start.py --pipeline
# 离线模式（无 LLM Key，规则提取 + note 兜底）
python run.py --offline
# 语义检索
python 90-Meta/query/search.py "订单支付超时多久"
# RAG 问答
python 90-Meta/query/chat.py "我处理过什么故障"所有配置存放在用户目录 ~/.enterprise_world_model/，与知识库数据分离，可独立备份迁移。
在「设置 → API 配置」中填写。三家提供商都走 OpenAI 兼容协议，只换 base_url：
| 提供商 | Base URL | 推荐模型 | 注册链接 |
|---|---|---|---|
| DeepSeek | https://api.deepseek.com |
deepseek-chat |
注册 |
| Kimi | https://api.moonshot.cn/v1 |
moonshot-v1-8k |
注册 |
| MiniMax | https://api.minimax.chat/v1 |
abab6.5s-chat |
注册 |
成本估算：DeepSeek 约 0.003 元/篇笔记，每月 1000 篇 ≈ 3 元。 安全说明：Key 仅存储在本地配置文件，界面读取时打码显示；本地 API 需要启动时生成的随机令牌才能访问。
在「设置 → OCR 配置」切换模式（默认本地模式）：
| 模式 | 优点 | 缺点 |
|---|---|---|
| API 模式 | exe 体积小，识别精度高 | 需要 Key（每月有免费额度） |
| 本地模式 | 离线可用 | 需要 pip install paddlepaddle "paddleocr>=2.7.0,<3.0"（+450MB） |
注意：PaddleOCR 必须安装 2.x（3.x 初始化参数不兼容）。
API 提供商：
| 提供商 | 免费额度 | 所需凭证 |
|---|---|---|
| 百度智能云 | 每月 1000 次 | API Key + Secret Key |
| 腾讯云 | 每月 1000 次 | SecretId + SecretKey |
| 阿里云 | 按量付费 | AppCode |
在「设置 → 用户信息」填写个人/公司信息。AI 问答时会自动注入作为上下文，让回答更贴合你的身份。
在「设置 → AI 提示词」可编辑 3 个模板：
| 模板 | 用途 |
|---|---|
| RAG 系统提示词 | AI 回答问题的全局指令，包含 {{USER_CONTEXT}} 占位符（自动替换为用户身份） |
| 无结果回复 | 知识库检索为空时的回复文本 |
| 欢迎语 | 启动时对话区显示的第一句话 |
在「设置 → 诊断」可查看：
| 面板 | 内容 |
|---|---|
| torch 环境状态 | torch 版本、CUDA/CPU 后端、bge 模型完整性（启动期验证并缓存，可手动刷新） |
| 崩溃日志 | 匿名上报开关（默认关闭）、最近崩溃记录（含完整堆栈，含后台线程异常） |
| 性能指标 | 最近埋点（启动耗时、检索耗时、RAG 耗时等） |
崩溃日志写入 logs/crashes/crash-*.log，应用日志写入 logs/app.log（按天轮转保留 7 天）。
# 后端测试（179 项用例）
pip install pytest pytest-cov
pytest tests/ --cov=pewm
# 前端测试（Vitest + jsdom，14 项用例）
cd pewm/web/static
npm install
npm testflowchart LR
A[随手写笔记] --> B[笔记页: Inbox 速记]
B --> C[本体生成页: 运行]
C --> D[AI 自动提取]
D --> E[10-Theory / 20-Ontology / 30-Instances]
E --> F[双索引 FTS5 + 向量]
F --> G[对话页: RAG 问答]
| 页面 | 功能 |
|---|---|
| 概览 | 知识库统计、快捷入口、环境状态 |
| 笔记 | Inbox 速记 + 全部笔记浏览/编辑/预览（Markdown 工具栏） |
| 对话 | 与知识库对话，支持 RAG 生成与 SSE 流式输出 |
| 检索 | 关键词/语义混合检索，查看原文 |
| 知识库文档 | 浏览/搜索/软删/硬删/恢复所有已索引文档 |
| 本体生成 | 运行 AI 管线、重建向量索引、批量 OCR、文件监听开关 |
| 设置 | API 配置 / OCR 配置 / 用户信息 / AI 提示词 / 诊断 |
仓库中
pewm/gui/（tkinter）为遗留界面，桌面端以 pywebview + Flask 为准。
| 操作 | FTS5 行为 | 向量库行为 | 可恢复？ | 触发方式 |
|---|---|---|---|---|
| 软删除 | 标记 deleted_at，索引保留但检索过滤 |
标记 deleted_at，向量保留 |
✅ | 自动（源文件丢）/ 手动 |
| 硬删除 | DELETE 触发器清理 | 物理删除行 | ❌ | 手动 + 二次确认 |
| 恢复 | 清除标记即可见 | 清 deleted_at 标记 |
- | 手动 |
核心设计：默认所有删除都是软删除，知识永不意外丢失。检索缓存随任何写操作自动失效。
在「设置 → 用户信息」底部：
- 📤 导出全部配置：打包成 1 个 JSON（默认不含 API Key；勾选包含密钥时会给出安全提醒，文件内带
contains_api_keys标记） - 📥 导入配置：从 JSON 恢复（默认增量合并只补缺，可选覆盖模式；脱敏占位符
***不会覆盖已有真实密钥） - 💾 备份配置目录：把整个
~/.enterprise_world_model/快照到指定目录 - ♻️ 从备份恢复：先对当前配置自动快照，再从备份目录还原
personal-word-onto/
├── pewm/ # AI 管线（核心代码）
│ ├── config/
│ │ ├── schemas/ # 7 个实体 schema（yaml，含 frontmatter 模板）
│ │ ├── extraction-rules.yaml # 关键词触发规则（离线模式）
│ │ └── merge-policy.yaml # 冲突合并策略
│ ├── processors/ # 管线核心模块
│ │ ├── extractor.py # LLM + 规则 混合提取
│ │ ├── merge.py # 实体合并（frontmatter 读写）
│ │ ├── rag.py # RAG 问答管道
│ │ ├── retrieval.py # 双路混合召回（RRF + 缓存）
│ │ ├── vector_db.py # 向量库（bge / TF-IDF 回退）
│ │ ├── vectorizer.py # 双索引写入（FTS5 + 向量）
│ │ ├── database.py # SQLite + FTS5（WAL）
│ │ ├── llm_client.py # LLM API 适配（3 家）
│ │ ├── ocr.py + ocr_api.py # OCR 双模式
│ │ ├── watcher.py # Inbox 文件监听（防抖 + 防重入）
│ │ ├── user_profile.py # 用户身份
│ │ ├── prompt_config.py # AI 提示词
│ │ ├── config_manager.py # 配置导出/导入/备份/恢复（原子写）
│ │ ├── crash_handler.py # 崩溃捕获（含后台线程）
│ │ ├── log_config.py # 统一日志
│ │ ├── metrics.py # 性能埋点
│ │ ├── torch_validator.py # torch 环境验证（结果缓存）
│ │ └── environment_status.py # 环境健康检查
│ ├── web/ # 桌面 Web UI（Flask + pywebview）
│ │ ├── app.py # 路由/API（令牌鉴权 + Host 校验）
│ │ ├── desktop.py # pywebview 入口
│ │ ├── splash_controller.py # 启动画面与初始化编排
│ │ ├── static/ # 前端（含 Vitest 测试）
│ │ └── templates/
│ ├── gui/ # 遗留 tkinter 界面
│ └── prompts/
│
├── 00-Inbox/ # 你唯一维护的目录
├── 10-Theory/ # AI 维护：笔记存档
├── 20-Ontology/ # AI 维护：术语/流程/系统
├── 30-Instances/ # AI 维护：常量/案例
├── 40-Skills/ # AI 维护：技能
├── 90-Meta/query/ # 命令行查询接口
├── bge-model/ # 内置语义向量模型（Git LFS）
├── data/ # 运行时数据（自动创建，不入 git）
├── tests/ # 后端测试（179 项）
├── docs/ # 设计/排查/修复文档
│
├── start.py # 启动器（桌面 / 命令行）
├── run.py # 管线入口
├── build.py # PyInstaller 打包脚本（含产物校验）
├── build.spec # PyInstaller 配置
├── requirements.txt
└── README.md # 本文件
# 运行 AI 管线（处理 Inbox + 提取 + 索引 + reconcile + 补索引）
python run.py
# 常用参数
python run.py --reset # 重置处理标记并重建索引（同内容不重复建档）
python run.py --offline # 离线模式：规则提取 + note 兜底（无需 LLM Key）
python run.py --skip-errors # 跳过冲突文件继续
python run.py --no-git # 禁用 Git 自动提交
python run.py --no-vector # 跳过向量索引（只用 FTS5）
python run.py --no-ocr # 跳过图片 OCR
python run.py --status # 查看处理状态
python run.py --rebuild-vector # 重建全部向量索引
python run.py --reconcile # 手动软删失效记录
python run.py --purge # 硬删所有软删记录（不可逆！）- Python 3.11+（推荐 3.12）
- Git + Git LFS（必须
git lfs pull，否则 bge 模型只是指针文件，打包校验会拦截） - Windows（Linux/macOS 未充分测试）
# 1. 安装依赖
pip install -r requirements.txt
pip install pyinstaller
# 2. 执行打包
python build.py
# 3. 产物
ls dist/
# 个人企业世界模型.exebuild.spec用onefile模式，所有 Python 运行时 + 第三方库 + bge 模型打到一个 exe- 知识目录只打包空骨架（
build/staging/，仅含.gitkeep），你的真实笔记不会进入 exe，分发安全 - 打包前自动校验 bge 模型完整性（拒绝 Git LFS 指针文件）
- 首次启动时 PyInstaller bootloader 解压到
%TEMP%\_MEIxxxxx；程序实际写入的data/目录在 exe 旁边，不在 TEMP
mkdir C:\test
copy dist\个人企业世界模型.exe C:\test\
cd C:\test
.\个人企业世界模型.exe
# 启动完成后，ls 应该看到 data/ 目录A：正常。PyInstaller 单文件模式需要先解压到 TEMP，然后加载 torch（约 20 秒）。第一次启动可能需要 30-60 秒，后续会快一些。启动画面会实时显示初始化进度。
A：检查 exe 所在目录是否有写入权限（不要放 C:\Program Files）。如果 exe 在桌面，data/ 应该也在桌面旁边。
A：「设置 → API 配置」没填 Key，或 Key 过期了。也可以完全不配 Key：命令行用 python run.py --offline 走规则提取 + note 兜底，功能可用但提取质量下降。
A：确认语义向量已启用（data/vector/ 存在）。首次跑管线时会自动加载 bge 模型。如果模型加载失败会回退 TF-IDF（精度下降），点「本体生成」页的「重建向量索引」可修复。
A：
- 知识库数据：把 exe 旁边的
data/、10-Theory/、20-Ontology/、30-Instances/、40-Skills/、00-Inbox/全部拷到新电脑 - 配置：旧电脑「设置」里「📤 导出全部配置」→ 新电脑「📥 导入配置」（默认增量合并，不覆盖已有配置）
A：PyInstaller 打包的 exe 常被 Windows Defender 误报。加入白名单即可。
A：大陆访问 github.com 常被 SNI 干扰。配置本地代理后推送：
git -c http.proxy=http://127.0.0.1:7890 -c https.proxy=http://127.0.0.1:7890 push（7890 是 Clash 默认端口，按你实际代理端口改）
A：编辑 pewm/config/extraction-rules.yaml（离线模式的关键词触发）和 pewm/config/schemas/*.yaml（实体字段模板）。改完下次跑管线生效。
A：服务仅绑定 127.0.0.1，且所有 API 需要启动时生成的随机令牌（X-Token）+ Host 头校验，POST 只接受 JSON——可防 DNS 重绑定与 CSRF 攻击。API Key 在接口返回时打码。
- 移动端 App（iOS / Android）同步 Inbox
- 语音转文字接入（Whisper API）
- 多模态 RAG（图片理解 + 文字检索）
- 知识图谱可视化
- 团队协作（多用户共享知识库）
- 支持更多 LLM 提供商（Gemini / Claude / 通义千问）
MIT License - 自由使用、修改、分发。
- BAAI/bge-small-zh-v1.5 - 中文语义向量模型
- sentence-transformers - 模型加载框架
- pywebview - 桌面壳
- PyInstaller - Python 打包工具
- DeepSeek / Moonshot / MiniMax - LLM API 提供商