共 6 篇内容，涉及 3 个模块
QAnything 是网易有道开源的企业级本地知识库问答系统，最大特点是自研的 BCEmbedding 中英双语与跨语言检索能力，配合 BM25 + 向量的混合检索，在中文场景下召回率表现突出，且支持全离线私有化部署。本文手把手教你在腾讯云上部署 QAnything：从 20GB 内存的门槛讲起，到 docker compose 一键启动、8777 端口访问、本地大模型接入、知识库构建与混合检索调优、API 对接，以及 18 条从容器起不来、模型下载失败到检索不准的真实故障排查。跟着做即可完成。
RAGFlow 是国产团队 infiniflow 开源的 RAG 引擎，最大特点是深度文档理解——表格、扫描件、复杂排版都能提取出结构，并且答案带原文溯源。本文手把手教你在腾讯云上部署 RAGFlow：从 16GB 内存的硬门槛讲起，到 vm.max_map_count 内核参数这个必踩的坑，再到模型接入、知识库构建、解析模板选择、API 对接，以及 20 条从 Elasticsearch 起不来、页面 network abnormal 到解析卡死的真实故障排查。跟着做即可完成。
MaxKB 是飞致云开源的国产知识库问答系统，数据库、向量库、缓存全部打包进一个镜像，一条 docker run 就能跑起来，比 FastGPT 更轻量。本文手把手教你在腾讯云轻量应用服务器上部署 MaxKB：Docker 一键部署与 1Panel 应用商店两条完整路径，从 4C8G 选型、接入本地 Ollama Qwen3 与国产云端模型、文档上传与分段参数调优、应用创建绑定知识库并发布的完整链路（含最容易卡住的「没发布无法对话」坑）、到嵌入第三方网站、Nginx HTTPS 与备份升级，以及 20 条常见报错排查。跟着做十分钟即可跑通第一次 RAG 问答。
FastGPT 是国产开源 RAG 知识库与应用编排平台，支持 PDF/Word/Markdown/网页等多源导入、可视化工作流、召回的参数化调优与引用溯源，数据完全留在自己服务器。本文手把手教你在腾讯云轻量应用服务器上用 Docker Compose 一键部署 FastGPT（PostgreSQL + pgvector + MongoDB + OneAPI 模型网关），从 4C8G 到 8C16G 的选型建议、国产模型渠道接入（DeepSeek 与阿里云百炼 DashScope 含 embedding）、知识库分段与召回推荐参数表（实测命中率对比）、到 Nginx HTTPS、备份策略与 20 条常见报错排查。跟着做即可搭建不出内网的私有 AI 问答助手。
代码库级问答最常见的失败，不是模型不够聪明，而是你喂的上下文没切对。喂整个仓库，模型会在 32 万tokens 里稀释掉你要找的那 40 行；喂太少，它靠猜补全，于是编出一个根本不存在的函数。真正有效的是「切片 + 锚定」两段式：先用检索把范围收窄到符号级，再用行号锚点把引用钉死。本文给出可复用的上下文切片提示法（含三级切片策略、符号优先于行的排序规则、8K/64K/1M 三档上下文预算分配表），以及实测有效的结构化引用契约——强制模型以 file:line-range + 符号名 + 置信度三件套作答。在一个 23 万行、8 种语言的 monorepo 上实测：幻觉引用率从 23% 降到 3%，「答案正确但定位错误」的返工从 41% 降到 8%，单次问答平均节省 62% tokens。含三个真实失败案例拆解（为什么「把文件都贴进去」必然失败）、检索召回与切片边界的取舍表、以及 Claude Opus 5.5 / GPT-6 / DeepSeek V4.1 Flash / Qwen3-Max 四款模型的实测差异。
2026 年 9 月 Anthropic 披露：Claude 已主导其 26% 的内部模型研发，公司内同时运行约 3 万个 Claude Agent。当 Agent 规模化写代码时，一个老问题被放大成了系统性风险——**模型记住的 API 是过期的**。它自信地调用 `React.useFormState()`，而这个函数在两年前就改名了。Context7 MCP 是专门解决这个问题的：它维护了数万个库的版本化官方文档索引，Agent 写代码前先拉一次当前版本的真实文档和代码片段，再动手。本文覆盖 2 个核心工具的完整用法、4 套客户端配置、3 个实战场景（新库上手 / 版本升级 / 冷门库排错）、与 fetch-mcp / brave-search / 直接喂文档的选型对比、成本控制（文档注入的 token 经济学）、以及 16 条故障排查表。