Dosphere 是一个面向知识工作者的 AI 知识管理平台，核心围绕 优雅编辑、结构化知识库与可溯源 RAG 问答。 在同一空间完成创作、沉淀与问答，所有回答均附原文证据，让知识资产真正可复用、可信赖。
Dosphere 核心界面预览
以下模块用于展示 Dosphere 的主要能力。截图位可按你的真实界面替换：编辑器、知识库目录、RAG 对话与分享统计。
Dosphere 功能能力矩阵
Dosphere 以“写作即沉淀、检索即理解、问答即引用”为核心体验，覆盖个人知识管理的完整闭环：编辑、组织、分享与 AI 问答。
01
结构化块编辑
支持标题、引用、列表、表格、代码块与多层内容编排，技术文档不再是纯文本堆砌。
02
开发者友好写作
原生支持 Mermaid、LaTeX 与代码高亮，让架构说明、公式记录和工程笔记自然落地。
03
知识沉淀效率
写作、整理、扩写与后续 AI 检索共用一套内容结构，减少重复搬运和格式重建。
01 · Query Analysis
先做意图识别、问题改写与查询归一化，决定后续该走哪些召回策略，而不是把原始输入直接丢给检索层。
02 · Hybrid Retrieval
组合向量检索、BM25、标题命中和路径命中，多路并行召回证据，兼顾语义相关性和知识结构命中率。
03 · Fusion And Rerank
通过 RRF 融合候选结果，并在需要时触发精排，把最相关、最可信的上下文交给最终回答与引用链路。
01
证据块直达答案
每次回答都能回到命中的原文片段，而不是只给一个无法验证的结论。
02
来源链接可追溯
用户可以顺着引用链接继续查看上下文，明确答案来自哪篇文档、哪个章节。
03
范围控制与反馈闭环
支持按知识范围约束回答，并结合反馈持续优化召回与最终回答质量。
Query 分析理解：先做意图识别、查询扩展和归一化，避免用户一句模糊问题直接进入粗糙检索。
四路并行召回：同时执行向量检索、BM25 关键词检索、标题检索和路径检索，兼顾语义匹配与结构命中。
融合与精排：用 RRF 把多路结果规整到统一排序，再按条件触发 Rerank，保证召回结果既相关又稳定。
面向知识工作者的 AI 知识平台
Dosphere 把编辑、知识库与 RAG 问答整合到同一工作流，帮助个人用户长期沉淀内容，并在需要时快速获得可信答案。
Dosphere 的目标是让知识真正可复用。 从写作到归档，再到智能问答，我们把分散信息沉淀为可持续增长的个人知识资产。
围绕优雅编辑器与结构化知识库，个人用户可以高质量产出文章，并通过公开分享把经验持续扩散。
RAG 问答引擎提供可溯源回答与多层检索链路。 每一次提问都能回到证据与上下文，而不是停留在黑盒结论。
Dosphere 技术架构
分层 RAG Pipeline，从查询理解到可溯源回答，每层职责清晰、可独立演进。