尧图网页设计 
如何用ReadAny AI对话向书籍提问RAG问答定位原文让答案自己找上门【免费下载链接】ReadAnyAI-powered cross-platform e-book reader with semantic search, RAG chat, local vector store, notes, TTS, and WebDAV sync.项目地址: https://gitcode.com/gh_mirrors/re/ReadAnyReadAny 是什么ReadAny是一款开源的 AI 跨平台电子书阅读器核心能力是让 AI 直接读懂你的书基于RAG检索增强生成语义搜索、AI 对话问答、本地向量库、笔记、TTS 朗读和 WebDAV 同步。读完一本《红楼梦》后再想不起细节现在你只需要问一句AI 会翻遍全书找到答案还能一键定位到原文出处。为什么 RAG 问答比普通 AI 聊天更懂你的书普通大模型没读过你的书只能泛泛而谈。ReadAny 的 RAG 问答流程分三步向量化书籍把每本书拆分成文本块chunk转成向量存入本地向量库混合检索提问时同时用「向量语义搜索 BM25 关键词搜索」找出最相关的原文片段带引用回答AI 基于找到的原文作答并给出可点击的引用标记。检索引擎采用混合搜索hybrid search支持语义与关键词双通道相关实现见 packages/core/src/rag/search.tsAI 调用检索的工具定义在 packages/core/src/ai/tools/rag-tools.ts。三步开启「向书籍提问」第 1 步导入书籍并建立向量索引打开书库点击「添加书籍」导入 EPUB 等格式的书。要使用 AI 对话问答需要先给这本书建立向量索引——在书库中点击「已向索引/向量化」即可进度可在向量化对话框中实时查看向量化入口组件VectorizeDialog.tsx向量化流程源码vectorize.ts第 2 步打开 AI 阅读助手进入阅读界面后右侧会出现「AI 阅读助手」面板顶部可以选择对话模型底部输入框支持「深度思考」和「防剧透」模式。第 3 步直接提问答案带原文出处随便问一句比如「这一章的核心情节是什么」或「王熙凤在书中是如何登场的」。AI 会自动调用检索工具找到原文回答中的引用标记如 [1]、[2]可以点击直接跳转到书中的对应位置——这就是定位原文。点击引用跳转阅读器的逻辑ChatPage.tsx引用在 Markdown 渲染中变成可点击链接MarkdownRenderer.tsx 小技巧在阅读器里选中一段文字后点「问 AI」这段文字会自动附加到提问中AI 就针对这段原文回答。相关逻辑在 ChatPanel.tsx。RAG 问答的常用玩法玩法示例提问AI 背后调用的能力章节总结总结第38章讲了什么ragToc 获取章节目录 ragContext 读取章节上下文语义搜索贾母提到过哪些关于诗社的话ragSearch 混合检索hybrid 模式定位原文『莫失莫忘』出现在哪一章ragSearch 返回 cfi 精确位置点击引用即可跳转深度思考开启「深度思考」后提问先推理再检索回答更严谨检索工具会返回每条结果的cfiEPUB 精确定位标识这是答案能自己找到原文出处的关键见 rag-tools.ts 中createRagSearchTool的实现。适合谁用 读长篇名著、专业书想随时回查细节而不愿翻目录的人 希望 AI 回答有据可查、能点开核对原文的学习者 在意数据隐私的人——向量库和检索都在本地完成书籍内容不出设备 跨设备阅读者可配合 WebDAV 同步在多端使用。快速上手清单导入书籍 → 书库中点击「向量化」建立索引打开右侧「AI 阅读助手」选择你的对话模型提问并点击回答中的引用标记秒跳原文选中文字「问 AI」针对具体段落深入追问。更多架构与功能说明可参考项目文档 docs/RAG 检索模块的完整导出入口在 packages/core/src/rag/index.ts。让答案自己找上门从现在开始问你的第一本书吧。【免费下载链接】ReadAnyAI-powered cross-platform e-book reader with semantic search, RAG chat, local vector store, notes, TTS, and WebDAV sync.项目地址: https://gitcode.com/gh_mirrors/re/ReadAny创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 如何用ReadAny AI对话向书籍提问？RAG问答+定位原文，让答案自己找上门
如何用ReadAny AI对话向书籍提问RAG问答定位原文让答案自己找上门【免费下载链接】ReadAnyAI-powered cross-platform e-book reader with semantic search, RAG chat, local vector store, notes, TTS, and WebDAV sync.项目地址: https://gitcode.com/gh_mirrors/re/ReadAnyReadAny 是什么ReadAny是一款开源的 AI 跨平台电子书阅读器核心能力是让 AI 直接读懂你的书基于RAG检索增强生成语义搜索、AI 对话问答、本地向量库、笔记、TTS 朗读和 WebDAV 同步。读完一本《红楼梦》后再想不起细节现在你只需要问一句AI 会翻遍全书找到答案还能一键定位到原文出处。为什么 RAG 问答比普通 AI 聊天更懂你的书普通大模型没读过你的书只能泛泛而谈。ReadAny 的 RAG 问答流程分三步向量化书籍把每本书拆分成文本块chunk转成向量存入本地向量库混合检索提问时同时用「向量语义搜索 BM25 关键词搜索」找出最相关的原文片段带引用回答AI 基于找到的原文作答并给出可点击的引用标记。检索引擎采用混合搜索hybrid search支持语义与关键词双通道相关实现见 packages/core/src/rag/search.tsAI 调用检索的工具定义在 packages/core/src/ai/tools/rag-tools.ts。三步开启「向书籍提问」第 1 步导入书籍并建立向量索引打开书库点击「添加书籍」导入 EPUB 等格式的书。要使用 AI 对话问答需要先给这本书建立向量索引——在书库中点击「已向索引/向量化」即可进度可在向量化对话框中实时查看向量化入口组件VectorizeDialog.tsx向量化流程源码vectorize.ts第 2 步打开 AI 阅读助手进入阅读界面后右侧会出现「AI 阅读助手」面板顶部可以选择对话模型底部输入框支持「深度思考」和「防剧透」模式。第 3 步直接提问答案带原文出处随便问一句比如「这一章的核心情节是什么」或「王熙凤在书中是如何登场的」。AI 会自动调用检索工具找到原文回答中的引用标记如 [1]、[2]可以点击直接跳转到书中的对应位置——这就是定位原文。点击引用跳转阅读器的逻辑ChatPage.tsx引用在 Markdown 渲染中变成可点击链接MarkdownRenderer.tsx 小技巧在阅读器里选中一段文字后点「问 AI」这段文字会自动附加到提问中AI 就针对这段原文回答。相关逻辑在 ChatPanel.tsx。RAG 问答的常用玩法玩法示例提问AI 背后调用的能力章节总结总结第38章讲了什么ragToc 获取章节目录 ragContext 读取章节上下文语义搜索贾母提到过哪些关于诗社的话ragSearch 混合检索hybrid 模式定位原文『莫失莫忘』出现在哪一章ragSearch 返回 cfi 精确位置点击引用即可跳转深度思考开启「深度思考」后提问先推理再检索回答更严谨检索工具会返回每条结果的cfiEPUB 精确定位标识这是答案能自己找到原文出处的关键见 rag-tools.ts 中createRagSearchTool的实现。适合谁用 读长篇名著、专业书想随时回查细节而不愿翻目录的人 希望 AI 回答有据可查、能点开核对原文的学习者 在意数据隐私的人——向量库和检索都在本地完成书籍内容不出设备 跨设备阅读者可配合 WebDAV 同步在多端使用。快速上手清单导入书籍 → 书库中点击「向量化」建立索引打开右侧「AI 阅读助手」选择你的对话模型提问并点击回答中的引用标记秒跳原文选中文字「问 AI」针对具体段落深入追问。更多架构与功能说明可参考项目文档 docs/RAG 检索模块的完整导出入口在 packages/core/src/rag/index.ts。让答案自己找上门从现在开始问你的第一本书吧。【免费下载链接】ReadAnyAI-powered cross-platform e-book reader with semantic search, RAG chat, local vector store, notes, TTS, and WebDAV sync.项目地址: https://gitcode.com/gh_mirrors/re/ReadAny创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考