为什么要造这个轮子

项目、论文、实习资料越堆越多，靠手动整理几乎不可能。于是我写了一个 PyQt 桌面工具（开源地址：GitHub - 0zxm/SmartFileAssistant），点几个按钮就能自动分类、建立向量索引、搜索并结合 LLM 输出答案。

技术栈一览

• UI：PyQt5 负责桌面交互。
• 检索：LangChain + Chroma 完成语义向量检索，BM25 提供关键词回退。
• LLM 接入：SiliconFlow / OpenRouter 负责问答、聚类等高阶能力。
• 格式解析：antiword、PyMuPDF、Docx2txt、Markdown/Text 等组件统一切片入库。

三种分类模式

1. 按后缀：最简单最快，将 pdf/doc/docx/md/txt 等移动到预设目录。
2. 按文件名（语义聚类）：调用 SiliconFlow LLM，基于文件名+内容抽样生成语义类目，移动前支持人工确认。
3. 混合 AI：语义复杂的文件交给 classify_by_ai，其余照扩展名规则，双线程并行提升吞吐。

RAG 工作流

1. 点击“初始化”选择资料目录 → 自动加载/清洗/切块 → 写入 Chroma → 更新 BM25。
2. 输入关键词检索：界面展示可点击的路径、目录与内容片段。
3. 查询以 ? 结尾时自动触发 LLM，将参考文档拼进提示词生成回答。

环境配置

pip install -r requirements.txt
cp .env.example .env
source .env   # PowerShell 参见 README 提供的脚本
python main.py

.env 中需配置：

• SILICONFLOW_API_KEY（必填）
• SILICONFLOW_CHAT_MODEL、SILICONFLOW_EMBEDDING_MODEL/URL
• OPENROUTER_API_KEY/MODEL（可选）
• ANTIWORD_CMD、ANTIWORD_MAPPING_FILE（可覆盖默认路径）

Antiword 安装（Windows 示例）

1. 在项目根目录解压 antiword_windows.zip（或官网包）。
2. 选择 win64/win32 目录，确保有 antiword.exe 与 UTF-8.txt。
3. 复制到固定位置（示例：E:/VSCodeProject/antiword/）。
4. .env 中指定：

   ANTIWORD_CMD="E:/VSCodeProject/antiword/antiword.exe"
   ANTIWORD_MAPPING_FILE="E:/VSCodeProject/antiword/UTF-8.txt"
   

5. & $env:ANTIWORD_CMD -h 验证安装。

目录速览

• main.py：PyQt 启动入口。
• ui.py：界面事件，负责搜索/分类。
• rag_component.py：构建、检索、混合召回逻辑。
• ai_cloud_plugin.py：SiliconFlow/OpenRouter API 封装。
• file_read.py：多格式读取 + antiword。
• embedding/：接口示例与工具脚本。
• refactored_project/：拆分的 client/server 版本，方便二次开发。

常见问题

• .doc 无法解析 → 确认 antiword 路径或加入 PATH。
• .env 未生效 → 每个终端都需 source .env 或写入系统变量。
• 入库太慢 → 减小 TEXT_SPEilTER_CHUNK_SIZE、分批导入，或切回本地 embedding。
• Chroma 目录冲突 → 修改 constants.py 中的 CHROMA_DB_PATH 后重新初始化。

后续计划

想要命令行/API 版本？可以参考 refactored_project/server 与 client_refactored。也欢迎在仓库里提 Issue/PR，一起扩展新的分类策略、检索 reranker 或 UI 体验。