axoviq-ai/synthadoc

解決的問題

Synthadoc 解決了傳統檢索增強生成（RAG）系統的限制。傳統 RAG 系統通常在查詢時對文件片段進行摘要，而 Synthadoc 則在資料攝入時就完成知識合成，將原始來源文件轉化為結構化、持久化的本地 Wiki。這種做法防止矛盾被靜默混合，確保每個主張都能追溯至具體來源，並建立一個獨立於工具的永久性知識資產。

工作原理

Synthadoc 支援多種來源格式（PDF、電子表格、PPT、網頁、影像、影片、Word 檔案、TXT、AI 會話轉錄等），利用 LLM 將其合成至本地 Markdown 基礎的 Wiki 中。系統自動使用 [[wikilinks]] 建立交叉連結，並採用五狀態生命週期機（draft → active → contradicted/stale → archived）管理頁面狀態。系統還包含一個對抗性第二 LLM 機制，用於標記誇大主張，以及一個 linting 流程，用於檢測孤立頁面與損壞的引用。

適用對象

• 個人研究者與獨立開發者：需要使用免費或本地 LLM 模型建構個人研究 Wiki 的人。
• 小型團隊：需要一個集中式內部知識庫，能自動解決矛盾並隨組織擴展而擴展的人。
• 企業：需要合規敏感、以本地為先的知識庫，具備審計追蹤與透過鈎子實現 CI/CD 集成的人。

核心亮點

• 攝入時合成：在攝入時將來源文件編譯為 Wiki，而非在查詢時重新摘要。
• 矛盾檢測：將衝突主張標記為 status: contradicted，供人工審查或自動解決。
• 主張級溯源：提供內聯引用 ^[file:L-L]，將每個主張連結回其原始來源行。
• 本地為先架構：以純 Markdown 檔案形式儲存資料，避免廠商鎖定，相容 Obsidian 等工具。
• 知識圖譜可視化：使用 Louvain 聚類生成加權知識圖譜，可視化頁面間關係。
• 對抗性審查：使用第二 LLM 透過對抗性流程，標記無根據的最高級表述與有爭議的事實。