axoviq-ai/synthadoc

解决的问题

Synthadoc 解决了传统检索增强生成（RAG）系统的局限性。传统 RAG 系统通常在查询时对文档片段进行摘要，而 Synthadoc 在数据摄入时就完成知识合成，将原始源文档转化为结构化、持久化的本地 Wiki。这种做法防止了矛盾被无声混合，确保每个主张都能追溯到具体来源，并创建一个独立于工具的永久性知识资产。

工作原理

Synthadoc 支持多种源格式（PDF、电子表格、PPT、网页、图像、视频、Word 文件、TXT、AI 会话转录等），利用 LLM 将其合成到本地 Markdown 基础的 Wiki 中。系统自动使用 [[wikilinks]] 构建交叉引用，并采用五状态生命周期机（draft → active → contradicted/stale → archived）管理页面状态。系统还包含一个对抗性第二 LLM 机制，用于标记夸大主张，以及一个 linting 流程，用于检测孤立页面和损坏的引用。

适用人群

• 个人研究者和独立开发者：需要使用免费或本地 LLM 模型构建个人研究 Wiki 的人。
• 小型团队：需要一个集中式内部知识库，能自动解决矛盾并随组织扩展而扩展的人。
• 企业：需要合规敏感、以本地优先的知识库，具备审计追踪和通过钩子实现 CI/CD 集成的人。

核心亮点

• 摄入时合成：在摄入时将源文档编译为 Wiki，而非在查询时重新摘要。
• 矛盾检测：将冲突主张标记为 status: contradicted，供人工审查或自动解决。
• 主张级溯源：提供内联引用 ^[file:L-L]，将每个主张链接回其原始来源行。
• 本地优先架构：以纯 Markdown 文件形式存储数据，避免厂商锁定，兼容 Obsidian 等工具。
• 知识图谱可视化：使用 Louvain 聚类生成加权知识图谱，可视化页面间关系。
• 对抗性审查：使用第二 LLM 通过对抗性流程，标记无依据的最高级表述和有争议的事实。