用途：构建生产级 RAG（检索增强生成）系统，覆盖文档摄取流水线与向量检索。
主要能力：摄取流水线由爬取器、解析器、分块器、嵌入器、上传器五部分组成。分块采用语义边界（按 ## 标题切分），目标 400 tokens、15% 重叠，并记录 prev/next 链以支持上下文扩展。变更检测用 SHA-256 文件哈希对比文件系统与索引，实现增量更新，无需外部状态库，直接查询 Qdrant payload。嵌入使用 OpenAI 批量接口（默认 text-embedding-3-small，批大小 20）。检索支持多条件过滤（租户隔离、模块、章节范围、硬件层级、熟练度等），并可沿 chunk 链扩展前后文或按 parent_doc_id 取回整篇文档。
使用方式：安装依赖 pip install qdrant-client openai pydantic python-frontmatter；按爬取→解析→分块→嵌入→上传顺序执行；创建集合时对每个过滤字段建立 payload 索引；运行 python scripts/verify.py 验证。
适用场景：文档知识库、多租户内容检索、需要增量更新与过滤检索的 RAG 应用。
限制：资料未提供具体性能数据、收费信息或部署环境要求；示例代码依赖 Qdrant 与 OpenAI，其他向量库或嵌入模型需自行适配。