跨境电商 AI 全能助手 · Cross-border AI

让运营知识随问随用，让重复工作自动完成。

面向跨境运营的 AI 工作台，包含知识问答、内容整理与日报工作流。知识问答基于 LangGraph，从检索资料到生成回答，支持查看参考原文；资料不足时明确告知。

当前重点：知识问答与内容整理。更多运营能力持续完善中。开发预览版，尚未完成干净环境下的端到端部署验收。

本地部署 · 演示步骤 · 反馈问题

• 整理笔记：将原文提炼为摘要、要点和标签，保存为 Markdown 知识卡片。
• 网页建库：点击「建立 / 更新索引」，查看处理状态与片段数，失败后可以重试。
• 提问找答案：使用 LangGraph 检索已索引资料，调用模型生成回答，问答主路径无需 n8n。
• 核对来源：查看检索原文与引用编号，回到来源核对回答依据。

先看一个具体场景

你有一篇广告优化笔记，希望下次遇到相似问题时能找回来：

1. 提交原文：后端调用真实模型，提取摘要、模块化要点和标签。
2. 保存笔记：生成 Obsidian 兼容 Markdown，保留输入的来源链接。
3. 建立索引：点击页面顶部「建立 / 更新索引」，把笔记写入 Qdrant；也保留命令行入口。
4. 检索知识：输入问题，返回相关文本、来源文件、来源链接和相似度。

检索接口返回原文片段；新增问答接口 /api/ask_knowledge 使用 LangGraph 调用模型回答，并返回来源。无资料或调用失败会明确告知。尚无广告效果、收益提升或回答准确率的实测承诺。

仓库里有什么

从哪里开始

先阅读 LangGraph 启动说明，使用根目录 compose.langgraph.yml 和自己的环境配置。基础资料整理的验收步骤见 演示说明。

部署文件实际位于 gangweiceshi/docker-compose.yml，Python 依赖位于 gangweiceshi/data_extractors/requirements.txt，都不在仓库根目录。

现有部署配置和历史工作流需要先清理凭证配置，并使用你自己的凭证。请勿直接使用仓库内的配置值。首次部署须核对服务配置、模型权限及存储挂载；当前不提供“一键部署已验证”的保证。

默认代码中，文本模型与向量模型使用硅基流动接口。兼容 OpenAI 协议不代表只更换 Key 就能切换任意供应商。

已知限制

• LangGraph 问答已覆盖离线图执行及 API 测试；尚未验证真实模型请求、容器构建或完整演示。
• 健康检查不能证明模型可用或知识库已经建立；需要分别验收。
• 抓取能力受页面变化、登录状态及外部服务可用性影响。
• 根目录仍保留历史工作流与维护脚本，不是推荐部署步骤。
• 历史文件中发现疑似明文凭证；维护者需要撤销或轮换，并检查历史记录。删除当前文件里的值不能使旧凭证失效。
• 尚未在仓库根目录提供统一许可证；子目录中的许可证描述不应视为覆盖整个仓库。

下一次更新

• 清理凭证配置，补充无真实密钥的配置样例。
• 在干净环境跑通文本整理、保存、索引和检索。
• 发布一段真实录屏及可核对的输入、输出、耗时。
• 增加来源匹配、无依据问题和模型失败的评测记录。
• 明确全仓库许可证及依赖、资料的使用边界。

欢迎提交带有复现步骤的 Issue：使用的功能、预期行为、实际行为、脱敏后的错误信息。请勿附带 API Key、Cookie 或私人运营数据。