docs: 中期成果物整理 - 新增DESIGN.md/AGENTS.md、更新README、规范化文件命名与路径

docs/knowledge-base-plan.md

@@ -0,0 +1,127 @@
+# 知识库模块实施计划
+
+## 技术选型
+
+| 项目 | 选择 |
+|------|------|
+| 文档解析 | Apache Tika（一个依赖支持 PDF/Word/TXT/MD） |
+| 向量化引擎 | Ollama（默认 `nomic-embed-text`）或 DeepSeek（`text-embedding-3-small`），**前端可切换** |
+| 向量存储 | PostgreSQL + pgvector（已有） |
+| 文件存储 | MinIO（已有） |
+| 切片策略 | 500 Token，10% 重叠 |
+
+## 实施步骤
+
+### Step 0：AI 配置管理（前置）
+
+| 端 | 内容 |
+|----|------|
+| 后端新增 | `AiConfigService` — 读取/写入 AI 配置（provider、模型名、API Key），存入 Redis |
+| 后端实现 | `AiConfigController` 的 get/put/test 三个方法 |
+| 后端改动 | `EmbeddingService` 每次调用前查配置，根据 provider 路由到 Ollama 或 DeepSeek |
+| 前端新增 | 知识库页内加"Embedding 配置"区域：Provider 下拉框（Ollama / DeepSeek）+ 模型名输入框 |
+
+### Step 1：添加依赖
+
+修改 `ims-service/pom.xml`，新增依赖：
+
+| 依赖 | 用途 |
+|------|------|
+| `org.apache.tika:tika-core` | 文档解析 |
+| `org.springframework.ai:spring-ai-ollama-spring-boot-starter` | Ollama Embedding 调用 |
+
+### Step 2：创建 Service 接口 + 实现（8 个新文件）
+
+| 文件 | 包路径 | 说明 |
+|------|--------|------|
+| `EmbeddingService.java` | `com.ims.service.knowledge` | 接口：`embed(text)` + `search(query, topK)` |
+| `AiConfigService.java` | `com.ims.service.knowledge` | AI 配置读写，存入 Redis |
+| `OllamaEmbeddingService.java` | `com.ims.service.knowledge` | 调用 Ollama 实现 Embedding |
+| `DeepSeekEmbeddingService.java` | `com.ims.service.knowledge` | 调用 DeepSeek API 实现 Embedding |
+| `DocumentParserService.java` | `com.ims.service.knowledge` | Tika 解析 + 500 Token 切片 |
+| `KnowledgeService.java` | `com.ims.service.knowledge` | 上传→MinIO→DB、列表、删除、重新索引 |
+| `SearchService.java` | `com.ims.service.knowledge` | pgvector 余弦相似度检索 |
+| `SearchLogService.java` | `com.ims.service.knowledge` | 检索审计日志记录 |
+
+### Step 3：实现 Controller
+
+| Controller | 方法 | 功能 |
+|-----------|------|------|
+| `AiConfigController` | `GET /api/v1/ai/config` | 读取 AI 配置 |
+| | `PUT /api/v1/ai/config` | 更新 AI 配置 |
+| | `POST /api/v1/ai/config/test` | 测试连接 |
+| `KnowledgeController` | `GET /documents` | 文档列表（分页） |
+| | `POST /documents` | 上传文档 → 解析 → 切片 → 向量化 → 入库 |
+| | `DELETE /documents/{id}` | 删除文档 + MinIO 文件 + 向量 |
+| | `POST /documents/{id}/reindex` | 重新向量化 |
+| | `GET /search` | 检索接口 |
+| | `GET /logs` | 检索日志列表 |
+
+### Step 4：前端知识库页面
+
+修改 `frontend/src/pages/knowledge-base/index.tsx`：
+
+| 组件 | 参考设计 |
+|------|---------|
+| Tab 切换 | 文档管理 / 检索审计 |
+| Embedding 配置区 | Provider 下拉框（Ollama / DeepSeek）+ 模型名输入框 |
+| 上传拖拽区 | Ant Design `Upload.Dragger` |
+| 文档表格 | Ant Design `Table`（文件名/上传人/时间/状态/分块数/操作） |
+| 搜索框 | Ant Design `Input.Search` |
+| 检索日志表格 | Ant Design `Table` |
+| 统计卡片 | Ant Design `Card` + `Statistic` |
+
+### Step 5：配置
+
+| 项目 | 操作 |
+|------|------|
+| Ollama 模型 | `ollama pull nomic-embed-text` |
+| MinIO bucket | 管理后台创建 `ims-attachments` |
+
+## 文件清单
+
+```
+修改：
+  backend/ims-service/pom.xml                              +2 依赖
+  backend/ims-api/src/main/java/.../AiConfigController.java    填充 3 个方法
+  backend/ims-api/src/main/java/.../KnowledgeController.java   填充 6 个方法
+  frontend/src/pages/knowledge-base/index.tsx              重写
+
+新增（后端）：
+  backend/ims-service/src/main/java/com/ims/service/knowledge/
+    ├── EmbeddingService.java
+    ├── AiConfigService.java
+    ├── OllamaEmbeddingService.java
+    ├── DeepSeekEmbeddingService.java
+    ├── DocumentParserService.java
+    ├── KnowledgeService.java
+    ├── SearchService.java
+    └── SearchLogService.java
+
+新增（前端）：
+  frontend/src/pages/knowledge-base/services.ts            API 封装
+```
+
+## 实施顺序
+
+```
+前置条件（你手动执行）
+  ① ollama pull nomic-embed-text（如果用 DeepSeek 则跳过）
+  ② MinIO 创建 ims-attachments bucket
+  ③ 如需 DeepSeek 则准备 API Key
+        ↓
+代码实施（我写）
+  Step 0: AiConfigService + AiConfigController + 前端配置区
+  Step 1: pom.xml 加依赖 → mvn install 验证
+  Step 2: 8 个 Service 文件
+  Step 3: 填充 Controller
+  Step 4: 前端页面 + services.ts
+        ↓
+验证
+  ① 启动后端 + 前端
+  ② 配置页选择 Ollama + nomic-embed-text → 保存
+  ③ 上传一个 PDF → 检查是否解析/切片/向量化成功
+  ④ 检索 → 检查返回结果
+  ⑤ 查看审计日志
+  ⑥ 切到 DeepSeek 重新索引 → 验证 DeepSeek 向量化
+```