了解一下标准的 RAG 流 https://zhuanlan.zhihu.com/p/1890727581348778391 直接喂 AI 让它帮你实现本地服务，所有服务挂一个 docker 容器里。

一般精度要求的话，大概是这个步骤：

服务端入：进原始文件，本地就不用额外存储文件了，进行切片，转向量/存储 (qwen embedding 4b)
客户端查：开发自己的前台/前端，提问转向量（如 qwen embedding 4b ），向量数据库查，排序模型重排序，返回给用户，带 source 源头标记

其他还有图片输入查询之类的你直接问 AI 实现即可