LocalMind 如何导入并预览 DOCX、PPTX 等本地知识库文档？

LocalMind 是一款以 Windows 为主要目标的本地知识库 MVP，支持导入 PDF、DOCX、PPTX、TXT、Markdown 和常见图片。它会在本机保存受管文件副本、提取文字、建立 ChromaDB 向量索引，并结合 BM25 与 RRF 做混合检索。DOCX 和 PPTX 当前提供的是文本预览，不是完整 Office 排版渲染；理解这个边界，才能正确验收导入质量。

先确认它是否适合当前场景

项目 README 明确说明 LocalMind 仍是面向学习、个人研究和本地知识库实验的 MVP，不适合企业或高安全生产环境。仓库当前提交和发布流程都很早期，也没有可直接依赖的成熟正式发行版。

开发运行需要 Windows 10 或更高版本、Python 3.10、Node.js 和 npm。桌面端使用 Electron 与 React，本地后端使用 FastAPI；Windows 打包由 PyInstaller 和 Electron Builder 完成。

理解导入后的本机数据链路

1. 桌面界面把文件交给本机 FastAPI 后端。
2. 格式解析器提取 PDF、DOCX、PPTX 或文本内容。
3. 图片由本地 OCR 提取文字，并保留原图副本。
4. 文本被分块，写入 ChromaDB 向量索引和关键词检索结构。
5. 聊天时按所选知识库检索，返回带文件名、页码或幻灯片、分块编号、分数和预览的来源卡片。

开发模式的数据位于后端目录下的 uploads、extracted_text、chunks、chroma_db 和 data 等文件夹；打包版则保存在当前 Windows 用户的 LocalMind 应用数据目录。

准备开发环境

克隆仓库后，为后端创建独立虚拟环境并安装依赖：

cd backend
python -m venv .venv
..venvScriptsActivate.ps1
pip install -r requirements.txt
uvicorn app.main:app --reload --host 127.0.0.1 --port 8000

另开终端安装并启动前端：

cd frontend
npm.cmd install
npm.cmd run dev

首次安装依赖会执行外部下载。正式使用前应审查依赖、锁定版本，并确认本地后端仅回环地址。

创建知识库并选择文件

可以建立多个知识库，一个文档也可以属于多个知识库；单次会话可选择一个或多个知识库作为检索范围。建议先按项目、权限或资料生命周期划分，不要把所有文件放进一个大库。

首次测试只导入四份小文件：

• 一份包含标题和表格的 PDF。
• 一份包含标题、列表和批注的 DOCX。
• 一份包含多张幻灯片和讲者备注的 PPTX。
• 一张包含清晰文字的 PNG 或 JPEG。

使用这些文件可以快速看清解析器保留了什么、丢失了什么，而无需先处理整个资料目录。

分别验收六类预览

类型	当前预览	主要检查
PDF	基础 PDF 预览	页面、文本和来源页信息
DOCX	提取后的文本	标题、段落、列表、表格顺序
PPTX	逐幻灯片文本	页序、文本框顺序、备注是否保留
TXT	纯文本	编码和换行
Markdown	文本预览	标题、代码块和链接文字
图片	原图和 OCR 文本	文字识别、语言和版面顺序

DOCX 与 PPTX 的“支持预览”不能理解为还原 Word 或 PowerPoint 的字体、形状、图表和版式。若答案依赖视觉布局，应回到 Office 原文件核查。

导入件是受管副本

LocalMind 会把导入文件复制到自己的 uploads 目录。从应用打开文档时，打开的是这份受管副本，因此移动、重命名或删除外部原文件不会立即破坏知识库。

这也意味着删除原件不等于删除全部数据。清理敏感资料时，要同时处理受管副本、提取文本、分块、向量索引、聊天历史和备份。当前路线图才列出备份恢复功能，不能假设应用已有完整的数据生命周期工具。

图片 OCR 如何进入知识库

PNG、JPG、JPEG、BMP 和 WEBP 会保留原图，并通过本地 OCR 提取文字。OCR 结果被纳入索引，回答引用可以显示图片来源。

验证 OCR 时使用不同字号、旋转角度和中英文混排样本，并检查：

• 数字、标点和相似字符是否误识别。
• 多栏内容是否保持正确阅读顺序。
• 截图中的表格是否被错误串行化。
• 低清图片是否应先人工转录。

检索如何组合向量和关键词

LocalMind 使用 ChromaDB 做向量检索，同时运行 BM25 关键词检索，再通过 Reciprocal Rank Fusion 合并排名。精确编号、专有名词和原句更依赖关键词检索；同义表达和概念问题更受益于向量检索。

回答来源卡包含文件名、PDF 页或 PPTX 幻灯片、分块序号、分数与预览文字。相关度分数只说明检索匹配，不证明结论正确。必须打开来源并检查上下文、数字和例外条件。

用四类问题验证知识库

1. 定位题：询问某一页或某张幻灯片独有的术语。
2. 改写题：用不同表达询问同一事实，测试向量召回。
3. 跨文件题：比较 PDF 规范与 DOCX 会议记录。
4. 无答案题：询问资料未包含的信息，检查是否拒绝臆测。

若预览正确但检索失败，检查分块与索引；若检索片段正确但回答错误，检查提示词和模型；若预览已经缺失内容，应先修复解析，不要反复调模型。

选择 DeepSeek 或 Ollama

设置中可以选择 DeepSeek API 或 Ollama 本地模型，并测试连接。DeepSeek 需要 API 密钥、服务地址和模型名；密钥只保存在本机配置中，但检索出的上下文会发送到云端服务。

需要本地生成时，可安装 Ollama，下载 qwen2.5、llama3.1 或其他适合设备的模型，在设置中选择 Ollama 并填写本机服务地址。模型文件由 Ollama 管理，无需复制进 LocalMind 项目目录。

只有解析、索引、检索和生成模型都在本机时，问答链路才可视为离线。选择 DeepSeek 后，不能再声称回答过程完全本地。

当前不支持的内容

• 旧版 Word `.doc` 和 PowerPoint `.ppt`。
• Excel 文件。
• 网页导入。
• 从引用精确跳到 PDF 页面。
• Word 与 PowerPoint 的富格式渲染。

更稳健的预览、Excel、网页导入、备份恢复、流式回答和更好的来源跳转均属于路线图，不应写进当前能力清单。

MVP 安全与质量检查

Electron 配置采用关闭 nodeIntegration、启用 contextIsolation 和 sandbox 等基础隔离设置，但项目明确不是高安全产品。使用真实资料前还应检查：

• 依赖与构建产物是否来自可信来源。
• 配置文件和日志是否包含 API 密钥。
• 本地服务是否意外暴露到局域网。
• 应用数据目录是否受磁盘加密和账户权限保护。
• 卸载与删除知识库是否清除所有派生数据。

上线前验收表

环节	通过标准
导入	每类文件均有受管副本与提取结果
预览	关键文字、页序或幻灯片序可核对
检索	精确词和语义改写都能命中
引用	来源卡能定位文件与页或幻灯片
无答案	模型不在证据缺失时编造结论
隐私	明确选择本地 Ollama 或云端 DeepSeek
清理	受管文件、索引和聊天均纳入删除流程

LocalMind 当前更适合作为可研究、可修改的个人实验工具。把导入、预览、检索和回答拆开验收，尊重 Office 文本预览与完整渲染的差异，并根据敏感度选择模型提供方，才能在 MVP 阶段得到可信的本地知识库体验。