DeepTutor Knowledge Base + RAG：讓 AI 學會你的私有資料

大多數人對 AI 的使用，有一個很大的限制：它只知道它訓練資料裡有的東西。

你公司的內部文件、你的課程筆記、你收集的學術論文——這些東西，ChatGPT 不知道。你每次需要用到這些資料時，要嘛自己找、要嘛複製貼上一大段給 AI 看、要嘛期待它能猜到正確的內容。

DeepTutor 的 Knowledge Base 是在解這個問題——讓 AI 學會你自己的資料，然後在對話、研究、測驗裡直接調用。

Knowledge Base 的運作原理

DeepTutor 的知識庫後端用的是 LightRAG——一套以知識圖譜為基礎的 RAG（Retrieval-Augmented Generation）框架。

它和傳統 RAG 的差異在哪？

傳統 RAG 是純向量搜尋：把文件切成段落、轉成向量、查詢時找最相似的段落。這個方法的問題是它處理的是「文字表面的相似度」，而不是「概念之間的關係」。

LightRAG 在向量搜尋之上，增加了知識圖譜的層——它會把文件裡的實體（人名、概念、術語）和它們之間的關係建成一張語義網絡。查詢時不只找相似段落，還會沿著概念之間的連結做推理。

實際效果就是：你問「LightRAG 和傳統 RAG 的差異」，它不只返回「LightRAG」和「RAG」這兩個詞出現的段落，還會把知識庫裡所有關聯概念的脈絡一起帶出來。

Step 1：進入知識庫管理

在 DeepTutor 左側導覽列點擊「Knowledge Base」，然後建立一個新的知識庫。

建議按主題建庫，不要把所有東西丟進同一個庫：

知識庫 A：機器學習基礎（教科書、課程筆記）
知識庫 B：系統設計（書籍整理、LeetCode 解題筆記）
知識庫 C：工作文件（內部 spec、技術 RFC）

分庫的好處是查詢時範圍更精準，召回的內容更集中，不會讓不同主題的資料互相干擾。

Step 2：上傳文件

目前支援的格式：

上傳方式：直接拖拽或點選上傳。DeepTutor 會在背景自動處理索引，不需要等待——你可以先去做別的事，幾分鐘到幾十分鐘後索引就完成了（視文件大小和數量而定）。

Step 3：確認索引狀態

在知識庫管理頁面，每個文件會顯示索引狀態：

索引完成後，在任何模式的對話中，你都可以指定要使用的知識庫：

「（使用知識庫：機器學習基礎）
根據我的筆記，解釋 Gradient Descent 和 Adam Optimizer 的差異，
特別是我筆記裡提到的 learning rate 調整策略。」

不指定知識庫時，DeepTutor 使用的是它的基礎訓練知識；指定了之後，它會優先調用你的私有資料，再補充它本身的知識。

這是很多人裝好知識庫之後發現「怎麼有時候它答的跟我的文件不一樣」的原因。RAG 的召回品質，很大程度取決於你怎麼準備資料。

LightRAG 的知識圖譜建立，很依賴文件的結構信號。有清楚標題層級（H1、H2、H3）的 Markdown 文件，比沒有結構的純文字效果好得多。

如果你的資料是 PDF，可以先用工具轉成 Markdown，再上傳。

把「所有關於 Python 的東西」塞成一個 1000 頁的 PDF，不如把它拆成「Python 基礎語法」、「Python 資料結構」、「Python 非同步程式設計」幾個獨立文件。

主題越集中，查詢時的干擾越少。

在文件開頭加一個簡短的說明，告訴 DeepTutor 這份文件是什麼：

# Python Pandas 進階操作筆記
 
這份文件記錄了 Pandas groupby、pivot_table、merge 和
時間序列處理的進階用法，適合有 Pandas 基礎的讀者。
涵蓋版本：Pandas 2.x

這個元描述會影響知識圖譜的節點標記，讓相關查詢更準確地定位到這份文件。

你的筆記會更新，你的理解會深化——知識庫也應該跟著更新。

建議的習慣：每週整理一次學習筆記，把有價值的新內容補進對應的知識庫。不需要每次都從頭建庫，DeepTutor 支援增量上傳，新文件會自動整合進現有的知識圖譜。

上傳完成後，試著問幾個你知道答案在文件哪裡的問題，確認 DeepTutor 能找到正確的段落。如果召回率不理想，先排查文件格式問題，再考慮是否需要拆分文件。

知識庫最強大的用法之一，是結合 Quiz 模式做主動回憶測試。

「（使用知識庫：系統設計筆記）
根據我筆記裡的 CAP 定理章節，
出三道情境題考我——給我一個系統設計場景，
問我在這個場景下應該選擇 CP 還是 AP 系統，說明理由。」

DeepTutor 會根據你的實際筆記內容出題，而不是出通用的 CAP 定理題目。這個差異很關鍵——你測試的是「你是否記住了自己整理的東西」，不是「你是否知道網路上的標準答案」。

如果你上傳的是敏感文件（公司內部文件、個人資料），確認你的 DeepTutor 是自架的，而不是使用任何第三方托管服務。

自架版的所有知識庫資料存在你的本機或你的伺服器上，LightRAG 的語義索引也在本機處理，API 調用只有在對話推理時才發送到 LLM 提供商（OpenAI、Anthropic），而知識庫的原始資料不會被發送。

如果連 API 調用都想避免，選擇 Ollama 本地模型作為後端，可以做到完全 air-gapped 的私有知識庫問答。