使用说明

神经驱动

具有矢量索引存储、上下文感知文档生成和代理工作流的AI原生工作空间。

特性

文档驱动器 --通过自动解析、分块和矢量索引上传和管理文档（PDF、DOCX、CSV、XLSX、TXT）。在分层文件夹系统中组织文件。
副驾驶 --对话式AI助手，具有可选择的文档上下文、知识中心范围和MCP工具集成。支持带有源引用的流式响应。
语义搜索 --使用自然语言搜索所有文档。混合搜索通过pgvector将向量相似性与关键字匹配相结合。
文件工厂 --基于人工智能的内容生成，结合您知识库中的RAG上下文。包括模板、摘要和问答。
自动化 --具有事件驱动触发器（文件上传、计划、webhook、手动）和可配置操作节点的可视化工作流构建器。支持条件逻辑、循环和并行执行。
MCP工具 --通过模型上下文协议连接外部工具和服务。注册STDIO或HTTP服务器，发现它们的功能，并在Copilot和工作流中使用它们。
知识中心 --精心策划的文档收藏，配备专用聊天界面。使用自动包含规则配置每个集线器的RAG设置。
AI表格 --将文档中的结构化数据提取到可配置的表模式中。使用提取提示定义列并导出到CSV/JSON。

快速开始

使用Docker（推荐）

克隆存储库并复制环境文件：

cp .env.example .env

将API密钥添加到 .env:

OPENAI_API_KEY=your-key-here
# or
ANTHROPIC_API_KEY=your-key-here

启动所有服务：

docker-compose up --build

访问应用程序：

前端： http://localhost:3000
后端API： http://localhost:8000
API文件： http://localhost:8000/docs

本地开发

后端

cd backend

# Create virtual environment
python -m venv venv
source venv/bin/activate  # or venv\Scripts\activate on Windows

# Install dependencies
pip install -r requirements.txt

# Start PostgreSQL and Redis (via Docker or locally)
docker-compose up postgres redis -d

# Run database migrations
alembic upgrade head

# Start the server
uvicorn app.main:app --reload

前端

cd frontend

# Install dependencies
npm install

# Start development server
npm run dev

芹菜工人

cd backend

# Worker (background tasks)
celery -A app.worker.celery_app worker --loglevel=info

# Beat (scheduled tasks)
celery -A app.worker.celery_app beat --loglevel=info

建筑

NeuralDrive在后端使用六边形架构（端口和适配器），在前端使用Next.js App Router。

DMS/
├── backend/                      # FastAPI backend (Python 3.11)
│   ├── app/
│   │   ├── api/v1/              # Route handlers
│   │   │   ├── auth.py          # Authentication
│   │   │   ├── documents.py     # Document CRUD & upload
│   │   │   ├── folders.py       # Folder management
│   │   │   ├── search.py        # Semantic & hybrid search
│   │   │   ├── generation.py    # Content generation & RAG
│   │   │   ├── automations.py   # Workflow automation
│   │   │   ├── mcp.py           # MCP server management
│   │   │   ├── ai_tables.py     # AI table operations
│   │   │   ├── knowledge_hubs.py# Knowledge hub management
│   │   │   └── hub_chat.py      # Knowledge hub chat
│   │   │
│   │   ├── domain/              # Core business logic
│   │   │   ├── entities/        # Domain models (dataclasses)
│   │   │   ├── ports/           # Abstract interfaces (LLM, embedding, storage)
│   │   │   └── events/          # Domain events
│   │   │
│   │   ├── application/         # Use cases & services
│   │   │   └── services/        # Business logic orchestration
│   │   │       ├── agent_service.py       # Unified agent executor
│   │   │       ├── agentic_rag_service.py # Two-stage RAG retrieval
│   │   │       ├── ingestion_service.py   # Document processing
│   │   │       ├── search_service.py      # Search operations
│   │   │       ├── generation_service.py  # LLM generation
│   │   │       ├── automation_service.py  # Workflow management
│   │   │       ├── mcp_service.py         # MCP integration
│   │   │       ├── tool_registry.py       # Tool discovery & management
│   │   │       ├── ai_table_service.py    # AI table logic
│   │   │       ├── knowledge_hub_service.py
│   │   │       └── chat_service.py
│   │   │
│   │   ├── infrastructure/      # External implementations
│   │   │   ├── adapters/        # Port implementations
│   │   │   │   ├── llm/         # OpenAI, Anthropic, Ollama
│   │   │   │   ├── embedding/   # OpenAI, local sentence-transformers
│   │   │   │   ├── storage/     # Local filesystem, S3
│   │   │   │   └── web_search/  # Tavily
│   │   │   ├── database/        # SQLAlchemy models & repositories
│   │   │   └── parsers/         # PDF, DOCX, CSV, XLSX, TXT parsers
│   │   │
│   │   ├── worker/              # Celery background tasks
│   │   │   └── tasks/           # Ingestion, embedding, automation, AI table tasks
│   │   │
│   │   ├── config.py            # Pydantic settings
│   │   ├── dependencies.py      # FastAPI dependency injection
│   │   └── main.py              # App factory & lifespan
│   │
│   ├── alembic/                 # Database migrations
│   └── tests/                   # pytest test suite
│
├── frontend/                    # Next.js 14 frontend (TypeScript)
│   └── src/
│       ├── app/                 # App Router pages
│       │   ├── copilot/         # AI assistant
│       │   ├── drive/           # File manager
│       │   ├── editor/          # Document editor
│       │   ├── search/          # Search interface
│       │   ├── automations/     # Workflow management & builder
│       │   ├── mcp/             # MCP server configuration
│       │   ├── ai-tables/       # AI table interface
│       │   ├── knowledge-hubs/  # Knowledge hub management & chat
│       │   └── settings/        # Application settings
│       ├── components/          # React components
│       │   ├── ui/              # Base UI components
│       │   ├── copilot/         # Copilot interface
│       │   ├── workflow/        # Workflow builder (ReactFlow)
│       │   ├── ai-tables/       # AI table components
│       │   ├── knowledge-hubs/  # Knowledge hub components
│       │   ├── drive/           # File browser
│       │   ├── editor/          # Rich text editor (TipTap)
│       │   └── settings/        # Settings & MCP config
│       ├── lib/api/             # API client modules
│       ├── stores/              # Zustand state stores
│       ├── hooks/               # Custom React hooks
│       └── types/               # TypeScript type definitions
│
└── docker-compose.yml           # PostgreSQL, Redis, Backend, Celery, Frontend

API 参考

所有端点都以前缀 /api/v1.完整的互动文档可在 /docs 跑步时。

身份验证(`/auth`)

方法	端点	描述
职位	`/auth/register`	注册新用户
职位	`/auth/login`	登录并获取JWT代币
职位	`/auth/refresh`	刷新访问令牌
得到	`/auth/me`	获取当前用户配置文件

文件(`/documents`)

方法	端点	描述
职位	`/documents/upload`	上传文档文件
职位	`/documents/create`	创建文本文档
得到	`/documents/`	列出文件
得到	`/documents/{id}`	获取文档详细信息
补丁	`/documents/{id}/content`	更新文档内容
得到	`/documents/{id}/download`	下载文档文件
删除	`/documents/{id}`	删除文档
职位	`/documents/{id}/reprocess`	重新处理文档

文件夹(`/folders`)

方法	端点	描述
职位	`/folders/`	创建文件夹
得到	`/folders/`	按级别列出文件夹
得到	`/folders/{id}`	获取包含内容的文件夹
得到	`/folders/tree/all`	获取完整文件夹树
得到	`/folders/{id}/breadcrumb`	获取面包屑路径
补丁	`/folders/{id}`	更新文件夹
删除	`/folders/{id}`	删除文件夹
职位	`/folders/{id}/move`	移动文件夹

搜索(`/search`)

方法	端点	描述
得到	`/search/?q=query`	语义搜索
得到	`/search/hybrid?q=query`	混合搜索（矢量+关键字）
得到	`/search/context?q=query`	获取RAG上下文

世代(`/generation`)

方法	端点	描述
职位	`/generation/generate`	使用RAG生成内容
职位	`/generation/generate/agentic`	使用工具的代理RAG
职位	`/generation/generate/stream`	流式生成内容
职位	`/generation/template`	从模板生成
职位	`/generation/summarize`	总结文档
职位	`/generation/ask`	与RAG一起回答问题

自动化(`/automations`)

方法	端点	描述
职位	`/automations/`	创建自动化
得到	`/automations/`	列表自动化
得到	`/automations/{id}`	实现自动化
补丁	`/automations/{id}`	更新自动化
删除	`/automations/{id}`	删除自动化
职位	`/automations/{id}/pause`	暂停自动化
职位	`/automations/{id}/resume`	简历自动化
职位	`/automations/{id}/trigger`	手动触发自动化
得到	`/automations/{id}/runs`	获取跑步历史记录
得到	`/automations/meta/trigger-types`	列出触发器类型
得到	`/automations/meta/action-types`	列出操作类型

MCP服务器(`/mcp`)

方法	端点	描述
职位	`/mcp/servers`	注册MCP服务器
得到	`/mcp/servers`	列出MCP服务器
得到	`/mcp/servers/{id}`	获取MCP服务器
补丁	`/mcp/servers/{id}`	更新MCP服务器
删除	`/mcp/servers/{id}`	删除MCP服务器
职位	`/mcp/servers/{id}/connect`	连接和发现工具
职位	`/mcp/servers/{id}/disconnect`	断开与服务器的连接
得到	`/mcp/servers/{id}/tools`	获取服务器工具
职位	`/mcp/servers/{id}/tools/{name}`	执行工具

AI表格(`/ai-tables`)

方法	端点	描述
职位	`/ai-tables/`	创建AI表
得到	`/ai-tables/`	列出AI表
得到	`/ai-tables/{id}`	获取AI表
PUT	`/ai-tables/{id}`	更新AI表
删除	`/ai-tables/{id}`	删除AI表
职位	`/ai-tables/{id}/columns`	添加列
PUT	`/ai-tables/{id}/columns/{col_id}`	更新列
删除	`/ai-tables/{id}/columns/{col_id}`	删除列
得到	`/ai-tables/{id}/rows`	列出行
职位	`/ai-tables/{id}/rows`	手动添加行
职位	`/ai-tables/{id}/rows/process`	从文档中提取数据
PUT	`/ai-tables/{id}/rows/{row_id}`	更新行值
职位	`/ai-tables/{id}/rows/{row_id}/review`	标记行已审核
得到	`/ai-tables/{id}/export`	导出表（CSV/JSON）

知识中心(`/knowledge-hubs`)

方法	端点	描述
职位	`/knowledge-hubs/`	创建中心
得到	`/knowledge-hubs/`	列出枢纽
得到	`/knowledge-hubs/{id}`	获取中心
PUT	`/knowledge-hubs/{id}`	更新中心
删除	`/knowledge-hubs/{id}`	删除中心
职位	`/knowledge-hubs/{id}/documents`	添加文档
删除	`/knowledge-hubs/{id}/documents`	删除文档
职位	`/knowledge-hubs/{id}/folders`	添加文件夹
删除	`/knowledge-hubs/{id}/folders`	删除文件夹
职位	`/knowledge-hubs/{id}/rules`	添加包含规则
删除	`/knowledge-hubs/{id}/rules/{idx}`	删除规则
得到	`/knowledge-hubs/{id}/documents`	列出中心文档
职位	`/knowledge-hubs/{id}/refresh`	刷新中心索引

知识中心聊天(`/knowledge-hubs/{hub_id}/chat`)

方法	端点	描述
职位	`/chat/sessions`	创建聊天会话
得到	`/chat/sessions`	列出会话
得到	`/chat/sessions/{id}`	获取包含消息的会话
补丁	`/chat/sessions/{id}`	更新会话
删除	`/chat/sessions/{id}`	删除会话
职位	`/chat/sessions/{id}/archive`	存档会话
职位	`/chat/sessions/{id}/messages`	发送消息
职位	`/chat/sessions/{id}/messages/stream`	流消息（SSE）
得到	`/chat/sessions/{id}/messages`	获取消息

配置

大语言模型提供商

NeuralDrive通过可插拔适配器模式支持多个LLM提供商。集 DEFAULT_LLM_PROVIDER 在 .env:

提供者	模型	配置
开放人工智能	GPT-4、GPT-4涡轮增压器、GPT-3.5涡轮增压器	`OPENAI_API_KEY`, `OPENAI_MODEL`
Anthropic	克劳德3作品，十四行诗，俳句	`ANTHROPIC_API_KEY`, `ANTHROPIC_MODEL`
奥拉玛	Llama 2、Mistral和其他当地模特	`OLLAMA_BASE_URL`, `OLLAMA_MODEL`

嵌入提供者

集 DEFAULT_EMBEDDING_PROVIDER 在 .env:

提供者	型号	尺寸
开放人工智能	文本嵌入-3小，文本嵌入-3大	1536
本地	全MiniLM-L6-v2（句子转换）	384

存储后端

集 STORAGE_BACKEND 在 .env:

后端	配置
本地	`STORAGE_PATH` （默认值： `./storage`)
第3页	`S3_BUCKET`, `S3_REGION`, `S3_ACCESS_KEY`, `S3_SECRET_KEY`

网络搜索（可选）

集 ENABLE_WEB_SEARCH=true 并配置 TAVILY_API_KEY 在Copilot和代理工作流中启用网络搜索。

认证

基于JWT的身份验证。配置 SECRET_KEY, ALGORITHM （默认值：HS256），以及 ACCESS_TOKEN_EXPIRE_MINUTES （默认值：30）。

技术栈

后端

快速API --异步web框架
SQLAlchemy 2.0 --异步ORM
PostgreSQL+pgvector --具有向量相似性搜索的数据库
Celery+Redis --后台任务处理与调度
蒸馏器 --数据库迁移
Pydantic v2 --设置和请求/响应验证
passlib+python jose --身份验证（JWT+bcrypt）

前端

Next.js 14 --React框架（App Router）
TypeScript --型式安全
TanStack查询 --数据提取和缓存
状态 --国家管理（与伊默）
TipTap 的 --富文本编辑器
反应器流量 --工作流可视化
Tailwind CSS --造型
React Dropzone --文件上传

基础设施

Docker Compose --编排（PostgreSQL、Redis、后端、Celery Worker、Celery Beat、前端）

许可证

麻省理工学院

使用说明

神经驱动

特性

快速开始

使用Docker（推荐）

本地开发

后端

前端

芹菜工人

建筑

API 参考

身份验证(/auth)

文件(/documents)

文件夹(/folders)

搜索(/search)

世代(/generation)

自动化(/automations)

MCP服务器(/mcp)

AI表格(/ai-tables)

知识中心(/knowledge-hubs)

知识中心聊天(/knowledge-hubs/{hub_id}/chat)

配置

大语言模型提供商

嵌入提供者

存储后端

网络搜索（可选）

认证

技术栈

后端

前端

基础设施

许可证

相关 MCP

文档管理服务

文档管理服务器

模型上下文协议服务器

文档版本助手

Google文档管理服务

Markdown文档协议服务器