向量入库：把 Embedding 稳定写入 PostgreSQL + pgvector 向量入库的核心不是简单执行一次 UPDATE，而是保证 chunk、向量、模型&

文档切片 文档切片的核心是把清洗后的长文本切成大小合适、语义完整、带来源信息的 chunk，为后面的 Embedding 和向量检索做准备

文本清洗 文本清洗的核心是在不破坏原文结构的前提下，去掉明显噪声，保留标题、段落、页码和来源信息，让后面的切

文档解析 文档解析的核心是把 PDF、Word、Markdown、TXT 等不同格式统一转换成可处理的文本，同时尽量保留页码、标题、来源等元数据

文档上传 文档上传的核心不是把文件收到就完事，而是完成文件校验、安全存储、元数据入库和后续解析任务的入口。

从 MySQL 到 PostgreSQL：面向 AI / RAG 开发的完整入门 适合已经知道 MySQL 基本增删改查，但没有系统使用过 PostgreSQL 的 Java 后

数据库准备 RAG 数据库准备的核心是把原始文档、文档片段、向量和任务状态分开存，让后面的上传、解析、切片、Embedding 和੹

RAG 原理RAG 的核心是先从知识库检索相关内容，再把检索结果作为上下文交给大模型回答，从而减少模型胡编，并让模型能回答私有文档里的问题。RAG 原理RAG 是什么为什么需要 RAGRAG 和普通 Chat 的区别RAG 基本流程核心组件Document 和 ChunkEmbedding 是什么V

阶段交付 阶段交付的核心不是继续加新功能，而是把前面做过的聊天、流式输出、Tool Calling、FastAPI 和 Java/Python 联调整理成一个能启动、

Java + Python 联调Java + Python 联调的核心是让 Spring Boot 负责业务入口，让 FastAPI 负责 AI 能力，并用统一协议、超时、重试和日志把两边稳定连接起来。Java + Python 联调为什么要 Java 调 Python联调目标Python 侧接口统