InkFlow：面向组织协作的公文写作与知识库系统

产品简介

InkFlow 是一个面向组织协作的公文写作与知识库系统，把资料导入、文档解析、混合检索、证据引用、受控生成、版本审阅和 AI 对话放在同一套租户与组织权限边界中，同时提供 Web 服务端与 Windows 桌面客户端。项目面向的典型业务场景是企业与机构的公文写作：链路为文档解析 → 混合检索召回 → Rerank 重排 → Agent 工具调用 → 证据约束生成，写作全过程留痕、可回溯、可审阅。

核心功能

• 知识库导入与解析：支持 Markdown、DOCX、XLSX、PPTX、PDF 导入（单文件上限 200 MB），PDF 优先用 pdftotext 提取正文，OOXML 直接解析并统一规范化为 Markdown；文档上传后后台处理，前端以 SSE 展示解析、切片与索引进度。
• 版面检测与视觉提取：使用 ONNX Runtime 与 PP-DocLayout-S 版面模型检测图片中的文字、表格、标题、公式与图表区域，命中后可调用用户配置的视觉模型提取文字或生成结构摘要。
• 混合检索与重排：向量召回与词法召回各自产出候选，去重后统一交给 Rerank 排序（单次候选最多 24 条）；Web 端用 PostgreSQL + pgvector，桌面端用 SQLite FTS5 与 USearch HNSW。
• 受控写作与版本管理：组织级 Markdown 写作模板支持用途说明、变量与约束；大纲与草稿分开生成，每次模型生成或人工保存都会创建不可变版本，支持版本差异、规则校验、敏感词检查、批注处理，并可导出 Markdown、DOCX 与 PDF。
• AI 对话、Skill 与 MCP：对话按 SSE 流式返回内容与工具轨迹，每轮携带最近 8 条消息并召回相关历史问答再做 Rerank；Skill 支持自动匹配、手动选择与关闭；MCP 仅连接用户显式配置的远程 HTTPS Streamable HTTP 服务，不启动本机进程、不开放本地命令入口。
• 组织权限与安全：多租户、组织树、成员审核、角色与菜单权限、API 权限和审计日志，基于 Casbin 域模型校验；支持本地密码、OAuth 2.0、HttpOnly 会话、登录限流、验证码与 TOTP MFA，模型密钥加密保存且不通过查询接口返回明文。
• 多端推理：服务端可接 OpenAI 兼容模型；Windows 桌面版内置 llama.cpp，提供 CPU、CUDA、Vulkan 构建路径，本地跑 Chat、Embedding 与 Rerank；前端通过 WebGPU worker 在浏览器侧执行 Embedding/Rerank。

特色优势

一是证据约束生成：写作任务强制区分大纲与草稿，工具检索到的证据会冻结留痕，模型只能基于证据作答，降低公文场景最忌讳的编造风险。二是长任务可恢复：写作运行通过受限工具执行，消息、工具轨迹、检查点与证据快照全部持久化，任务可暂停、恢复，服务重启后能从未完成步骤继续。三是混合部署：同一套代码既可用 Docker 部署 Web 服务，也能打包成 Windows 桌面端离线使用，本地模型与云端模型可并存。四是评测可复现：公开仓库提供 public-office-v2 评测（20 个公文主题 × 检索、摘要、起草、改写、工具调用、引用六类共 120 条任务），并公布本机推理性能实测数据。

应用场景

• 机构公文起草：按组织模板生成通知、请示、报告等文稿，引用资料可逐条回溯。
• 内部知识库问答：把制度文件、历史文稿导入后，用 AI 对话检索并带出处回答。
• 合规审阅：写作稿走规则校验、敏感词检查与版本批注，形成可审阅的修改链路。
• 桌面离线写作：不联网环境用内置 llama.cpp 本地推理完成检索、重排与成稿。
• 团队协作：组织树与角色权限隔离不同部门的资料与写作任务，操作全程审计。

适用人群

党政机关与事业单位的文稿岗位、企业行政与品牌部门、需要搭建内部知识库与写作中台的中大型组织，以及关注数据可控、希望本地化部署 AI 能力的 IT 负责人。

出品方

InkFlow 开源项目（GitHub：helpleness/openinkflow），当前仓库为脱敏后的公开代码快照，运行配置、密钥与业务资料不在仓库中。

更新动态

• 2026-10-08 在 Windows 主机（RTX 4060 Laptop）完成检索分层评测：20 条检索任务 Recall@3/@5/@10 均达 100%，Rerank 命中率@1 达 100%。
• 公开 10 万条向量的 HNSW 索引性能实测（建索引 104 秒，检索 P50 1.199 ms / P95 2.285 ms）与本地模型 CPU/CUDA/Vulkan 吞吐数据。
• 持续补充公开评测语料与结果文件，同步在 V2EX 分享链路实现与 llama.cpp CUDA 重排优化经验。

官网链接

https://doc.inkflowai.top