DocsGPT 二次开发：打造面向国内用户的私有 AI 知识库平台

基于 GitHub 17.8K Star 的开源 RAG 项目，我们做了什么，为什么做，接下来要做什么

前言

大家好，我是张大鹏。

最近在研究 RAG（检索增强生成）相关的开源项目，想找到一个适合做二次开发的底座，用来搭建面向国内用户的私有 AI 知识库平台。

看了一圈下来，最终选定了 DocsGPT。这是一个 GitHub 上 17.8K Star 的开源项目，功能非常全面，架构也很清晰。但原版是面向海外用户的，全英文界面，文档也是英文的，直接拿来用不太合适。

所以我们做了一轮二次开发：中文化、清理、重构。这篇文章就是来聊聊这个过程，以及我们后续的计划。

DocsGPT 是什么

DocsGPT 是一个开源的 AI 知识库平台，核心能力是RAG + Agent。

简单来说，你可以把各种文档（PDF、Word、Excel、网页、音频等）丢给它，它会自动解析、向量化，然后你就可以用自然语言去提问，它会基于你的文档内容给出准确的回答，并且附带来源引用。

核心功能

• 广泛的格式支持：PDF、DOCX、CSV、XLSX、EPUB、MD、HTML、JSON、PPTX、图片、音频（MP3、WAV、M4A 等）
• 语音工作流：支持语音输入、音频转录、会议录音导入
• 多模型支持：兼容 OpenAI、Google、Anthropic 等云端模型，也支持 Ollama、vLLM、llama.cpp 等本地推理引擎
• Agent 系统：支持 Classic、Agentic、Research、Workflow 四种 Agent 类型
• 工具链：内置 API Tool、Brave Search、Postgres、Telegram 等工具，支持自定义开发
• 丰富的集成：React/HTML 聊天组件、搜索组件、Discord/Telegram 机器人、Chatwoot 扩展
• 灵活部署：Docker Compose 一键部署，支持 Kubernetes 生产级部署

技术架构

┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ Frontend │────▶│ Backend API │────▶│ LLM Layer │ │ React/Vite │ │ Flask │ │ 多模型适配 │ └─────────────┘ └──────┬──────┘ └─────────────┘ │ ┌────────────┼────────────┐ │ │ │ ┌─────▼─────┐ ┌───▼───┐ ┌─────▼─────┐ │ VectorStore│ │Postgres│ │ Redis │ │ 向量存储 │ │ 用户数据│ │ 缓存/队列 │ └───────────┘ └───────┘ └───────────┘ │ ┌──────▼──────┐ │ Celery │ │ 异步任务队列 │ └─────────────┘

后端是 Flask，前端是 React + Vite，异步任务用 Celery + Redis，数据存储用 PostgreSQL，向量存储支持 FAISS、Elasticsearch、Qdrant、Milvus 等多种后端。

和同类项目对比

Dify 功能最全但比较重，FastGPT 前端好看但 Agent 能力弱，MaxKB 轻量但扩展性差。DocsGPT 在功能全面性和架构清晰度之间找到了一个不错的平衡点。

为什么选择 DocsGPT 做二次开发

选 DocsGPT 有几个原因：

1. 架构清晰，模块化设计

DocsGPT 的代码组织得很好。后端的 LLM、向量存储、解析器、Agent、工具都是抽象的，有统一的接口。想加新的模型提供商、新的向量后端、新的工具，都很方便。

# LLM 提供商统一接口示例application/llm/├── base.py# 基类├── openai.py# OpenAI├── google.py# Google├── anthropic.py# Anthropic└── ollama.py# Ollama# 向量存储统一接口application/vectorstore/├── base.py ├── faiss.py ├── elasticsearch.py ├── qdrant.py └── milvus.py

2. 多模型支持

不像有些项目只支持 OpenAI，DocsGPT 原生支持 10+ 种云端和本地模型。这对国内用户很重要，因为很多人想用 DeepSeek、通义千问、文心一言等国产模型。

3. Agent 和工具链能力强

DocsGPT 的 Agent 系统不只是简单的对话，支持 Workflow 编排、Webhook 触发、异步任务，还有完整的工具开发框架。这意味着你可以让它不只是"回答问题"，还能"执行操作"。

4. 原版的问题

当然，原版也有一些不适合直接用的地方：

• 全英文界面和文档：国内用户用起来有门槛
• 社区运营文件多：CODE_OF_CONDUCT、CONTRIBUTING、HACKTOBERFEST 等，对我们没用
• 默认模型是海外的：需要适配国内模型
• 缺少中文社区支持：遇到问题只能看英文文档

所以，二次开发是必要的。

我们做了什么

1. 清理开源社区文件

删除了 24 个对私有项目无用的文件：

• 根目录：CODE_OF_CONDUCT.md、CONTRIBUTING.md、HACKTOBERFEST.md、SECURITY.md、codecov.yml、.vale.ini、md-gen.py
• .github/：FUNDING.yml、ISSUE_TEMPLATE/、PULL_REQUEST_TEMPLATE.md、THREAT_MODEL.md、holopin.yml、labeler.yml、dependabot.yml、styles/
• workflows/：labeler.yml、npm-publish.yml、react-widget-build.yml、sync_fork.yaml、vale.yml、holopin.yml、zizmor.yml

保留了核心 CI/CD（pytest、lint、Docker 构建）和 MIT LICENSE。

2. 全面中文翻译

翻译了 42 个文档文件，约 5,150 行内容：

• README.md
• docs/content/ 下所有页面（首页、快速开始、部署、Agent、工具、模型、扩展、指南）
• 所有 _meta.js 导航标题
• docs/public/llms.txt 文档导航地图

翻译规则：

• 技术术语（API、Docker、Kubernetes 等）保留英文
• 代码块、命令、URL 不翻译
• Mermaid 图表标签翻译为中文

3. Nextra i18n 双语支持

配置了 Nextra i18n，默认中文，可切换英文：

// docs/next.config.jsi18n:{locales:['zh','en'],defaultLocale:'zh',}

// docs/theme.config.jsxi18n:[{locale:'zh',text:'中文'},{locale:'en',text:'English'},]

用户访问/docs默认中文，/docs/en切换英文。

4. README 重构

• 移除所有广告链接（Discord、Twitter、博客、赞助商）
• Badge 改为指向自己的仓库
• 新增"关于本项目"章节，标注大鹏AI教育和张大鹏

5. 建立研究目录

research/ ├── CSDN/ # CSDN 博客文章 │ └── 001-xxx.md ├── 公众号/ # 微信公众号文章 │ └── 001-xxx.md └── superpowers/ # 设计文档和实施计划 ├── specs/ └── plans/

后续计划

短期（1-2 周）

• 前端界面中文化：把 React 前端的硬编码英文全部翻译
• 国内模型适配：接入 DeepSeek、通义千问、文心一言
• 部署教程：写一套面向国内用户的 Docker 部署教程

中期（1-2 月）

• Agent 实战系列：用 DocsGPT 搭建各种实用 Agent
• 工具开发系列：自定义工具开发教程
• 公众号运营：同步发布技术文章

长期

• 中文社区建设：建立中文交流群
• 国产化适配：适配更多国内模型和服务
• 企业级功能：权限管理、审计日志、多租户等

总结

DocsGPT 是一个非常优秀的开源 RAG + Agent 平台，架构清晰、功能全面、扩展性强。我们选择它作为二次开发的底座，做了中文化、清理、重构等工作，让它更适合国内用户使用。

后续会持续更新，分享更多关于 RAG、Agent、工具开发的实战经验。

如果你也对 AI 知识库平台感兴趣，欢迎关注交流。

项目地址：https://github.com/DaPengRuYi/DocsGPT

作者：张大鹏 | 大鹏AI教育