许多组织面临信息被锁定在文档中的困境，导致员工难以高效地查找特定细节。传统的手动搜索耗时费力，而商业文档 AI 产品往往存在定价不透明和数据驻留方面的顾虑。为解决这一问题，作者开发了 AI-DocumentIntelligence，这是一个开源、可自托管且对提供商无关的 RAG 平台。该平台旨在为处理敏感文档提供透明、可替换且可审计的解决方案。其核心功能包括摄入文档、将其分割为有意义的片段，利用 pgvector 将这些片段嵌入 PostgreSQL，并回答自然语言问题。一个关键特性是通过简单配置即可在 OpenAI 和 Anthropic 等 LLM 提供商之间切换。技术栈刻意采用标准方案，使用 React、Node.js、LangChain 和 PostgreSQL，使得已熟悉这些技术的团队能够轻松部署。架构将 UI、API、文档处理和 AI 层分离，检索与生成过程独立，便于调试。关键经验强调提供商抽象、精心调优的片段划分以及稳健的本地开发环境的重要性。使用凭据门控 API 进行开发带来了挑战，促使作者采用本地嵌入模型进行验证。作者将本项目视为更大努力的一部分，旨在将 LLM 编排应用于数字服务交付中遇到的现实工作流问题。该项目可在 GitHub 上获取，支持本地开发和贡献，详细的搭建说明见 README。