每次跟 AI 聊天都要重新粘贴项目说明？别烦了，我们用一个叫 RAG（检索增强生成）的技术，让 AI 能自己从你的文档里找答案。简单说，就是把你的笔记、项目文档存进一个本地数据库，AI 提问时自动检索相关内容，再也不用手动喂上下文。

准备工作：你需要什么？

• 一台电脑，至少 8GB 内存（Mac Mini、Windows 笔记本都行）
• 安装 Ollama（一个让你在本地跑大模型的工具）
• 安装 Python（用来运行脚本）
• 一点耐心，跟着步骤走就行

第一步：安装 Ollama 并下载模型

1. 去 Ollama 官网（ollama.ai）下载并安装。Windows 和 Mac 都有安装包。
2. 打开终端（Mac 叫“终端”，Windows 叫“命令提示符”或 PowerShell）。
3. 输入命令：ollama pull llama3.2，下载一个轻量模型（约 2GB）。等它跑完，你的本地 AI 就准备好了。
4. 测试一下：输入 ollama run llama3.2，然后随便问个问题，比如“你好”。看到回复就说明成功了。

第二步：安装 Python 和必要的库

1. 如果你没有 Python，去 python.org 下载 3.10 以上版本，安装时记得勾选“Add Python to PATH”。
2. 打开终端，输入以下命令安装所需库（一行一行来）：
   pip install chromadb sentence-transformers ollama
3. ChromaDB 是一个向量数据库，专门用来存文档的“意思”，这样搜索时能按语义找，而不是只靠关键词。

第三步：把你的文档喂给 AI

1. 把你项目里的 .txt、.md 文件都放在一个文件夹里，比如 my_docs。
2. 创建一个 Python 脚本（比如 index.py），内容大致如下（别怕，复制粘贴就行）：

   import os
   from chromadb import PersistentClient
   from sentence_transformers import SentenceTransformer
   
   client = PersistentClient(path="./db")
   collection = client.get_or_create_collection("my_projects")
   model = SentenceTransformer('all-MiniLM-L6-v2')
   
   docs = []
   for file in os.listdir('my_docs'):
       with open(f'my_docs/{file}', 'r') as f:
           docs.append(f.read())
   
   embeddings = model.encode(docs).tolist()
   ids = [str(i) for i in range(len(docs))]
   collection.add(embeddings=embeddings, documents=docs, ids=ids)
   print("索引完成！")

3. 在终端运行：python index.py。等一会，你的文档就被存进数据库了。

第四步：用 AI 提问

1. 再创建一个脚本 ask.py：

   import chromadb
   from sentence_transformers import SentenceTransformer
   import ollama
   
   client = chromadb.PersistentClient(path="./db")
   collection = client.get_collection("my_projects")
   model = SentenceTransformer('all-MiniLM-L6-v2')
   
   query = input("你的问题：")
   q_emb = model.encode([query]).tolist()
   results = collection.query(query_embeddings=q_emb, n_results=3)
   context = "\n".join(results['documents'][0])
   
   response = ollama.chat(model='llama3.2', messages=[
       {'role': 'system', 'content': f'根据以下内容回答：{context}'},
       {'role': 'user', 'content': query}
   ])
   print(response['message']['content'])

2. 运行 python ask.py，输入问题，比如“这个项目的架构是什么？”AI 就会从你的文档里找答案。

常见坑提醒

• 如果 Python 报错“找不到模块”，检查你是否在正确的虚拟环境里，或者用 pip list 看看有没有装全。
• Ollama 模型下载慢？换个网络，或者用 ollama pull llama3.2:1b 下载更小的版本（1B 参数，速度快但回答质量低一点）。
• 索引时如果文件太多，内存可能不够。建议一次只索引 100 个文档左右，或者分批处理。

下一步可以做什么？

现在你的 AI 已经能记住项目了。你可以：

• 定时更新索引：用系统定时任务（Windows 的任务计划程序或 Mac 的 crontab）每小时跑一次 index.py，让 AI 跟上你的最新代码。
• 做个网页界面：用 Flask 或 Streamlit 搭个简单的聊天框，不用每次敲命令。
• 索引 Git 提交：每次提交代码时自动更新索引，让 AI 知道你刚改了啥。

这套系统完全本地运行，不花钱，不联网。15 分钟装好，以后 AI 就记得你昨天说过什么了。