为严肃长文写作设计的完整能力
从文档处理到知识抽取，从检索增强到逐章生成——每一步都经过精心设计，让 AI 写作变得可信赖。
不只是切块和向量相似度
大多数工具只是把文档切块后做向量相似度检索。Synthetix 构建了三层，每一层都承担别的层无法替代的职责。
原始文档块
文档分段 + embedding——每个论断背后逐字可查的证据来源。
实体图谱
集成港大开源 LightRAG，抽取实体与关系构建知识图谱。检索能理解概念与关联，而不只是关键词相似度——应用统一采用 mix 模式，结合图、向量与 reranker 风格检索，召回最全面。
知识 Wiki
LLM 综合生成、人类可读的知识层（灵感来自 Karpathy 的 LLM-Wiki 和 Google OKF 规范）。文档摘要、主题、概念和论断，你可以检查、编辑、信任——每条带来源和置信度。
越用越聪明
传统 RAG 每次查询都从零重新发现知识。Synthetix 打破了这个循环——你的知识库会不断积累，写得越多，检索越准、成本越低。
写作时优先查 Wiki
纯数据库查询，无额外 LLM 调用，无 embedding 往返。
覆盖良好时自动减量
当 Wiki 覆盖良好时，原始检索自动缩减，节省 token。
每次生成回写反哺
抽取新论断并合并，被引用的条目置信度也会提升，导出为 Obsidian 兼容 Markdown。
全程可追溯的有状态写作
这不是一轮聊天。它是一个引导式的多阶段工作台，让长文档从头到尾保持连贯。
头脑风暴 · 澄清需求
多轮访谈（八种文档原型：方案、技术方案、评估报告等）在任何写作开始前帮你把范围敲定。
递归大纲
STORM 式分解，分部分逐个生成深层级的大纲——而非浅薄的一次性生成，你可完全编辑和重组。
逐章节生成
每个章节独立从知识库检索（先 Wiki，再 RAG，再图谱实体），prompt 感知父节点、兄弟节点和子节点，避免重复、保持连贯。
A/B 双模型对比
同一章节的相同上下文，两个模型并行生成，并排对比择优。
完整溯源
每个章节的支撑来源都被持久化——原始文档块、图谱实体、Wiki 条目——并以力导向拓扑视图可视化。
不只是写作工具，也是知识探索工作台
建好知识库后，你可以在里面检索、浏览、编辑——知识图谱与知识 Wiki 本身就是可独立使用的工作区。
关键词 + 语义检索
关键词搜索基于 SQLite FTS5 并支持中文分词；语义搜索结合 LightRAG 检索、直接 embedding 回退、关键词检索与结果融合。
知识图谱探索
浏览 LightRAG 抽取出的实体、关系、图邻域与证据，从概念层面理解语料，而不只是阅读扁平文本块。
知识 Wiki
浏览、搜索、编辑并导出综合条目——每条带来源、置信度、链接、反向链接与变更历史。Wiki 不只是缓存，而是可读、可编辑的综合层。
专业写作不只问“写得好不好”，还要问“由什么支撑”
每个章节的支撑来源都被持久化，并用拓扑视图可视化整份草稿的引用覆盖情况。
分层引用面板
引用面板区分原始 RAG 文档块、图谱引用和 Wiki 条目，每条带来源文档、chunk、来源类型、相关度分数和支撑内容。
文档拓扑统计
拓扑视图把生成章节映射到支撑它们的来源文档，提供覆盖率、引用次数与最常引用来源等统计。
版本与回滚
每个章节支持确认版本、回滚历史版本，并可将最终草稿导出为 Markdown、PDF 或 DOCX。
离线优先，兼容云端
使用本地 chat、embedding、rerank 和 image Provider 时，相关任务内容可留在自己的机器上；也可按需连接远程服务。
自托管部署；所有相关 Provider 均为本地时，任务内容可完全留在本机
支持 OpenAI 兼容端点、Anthropic、Ollama 等 provider（DeepSeek 等 OpenAI 兼容服务均可接入）
可配置的数据与检索后端——本地优先，云端可选
可选后端：PostgreSQL/pgvector、Neo4j、Milvus、Qdrant，面向 cloud-ready 与团队部署方向（非默认本地流程）
支持格式
面向文本处理的文档格式
表格类格式当前不在文档写作管线支持范围内。
导出
确认版本，导出成稿
正文及章节内资源可导出为 Markdown、PDF 或 DOCX；引用与拓扑在工作台内检查。
诚实地说明边界
知道一个工具不做什么，和知道它能做什么同样重要。
增强是后台运行
图谱索引与 Wiki 综合是后台增强；文档可以在所有增强层完成前先变得可用。
离线取决于模型配置
完全离线 AI 取决于本地模型 provider；远程 provider 会接收执行任务所需的内容。
不支持表格格式
当前文档写作管线不支持 Excel 等表格类格式；文本抽取与知识生成是重点。
不做高保真版式复现
源文档图片、表格和版式的高保真复现不是当前主要目标。
数据边界取决于你的部署方式
Synthetix 面向自托管和离线优先，但实际数据去向取决于你如何配置模型 provider。
本地存储
上传文件和应用数据按你的本地或已配置后端存储。
远程 provider 的数据边界
若配置远程 LLM、embedding、rerank 或图像 provider，相关内容会发送给这些 provider 处理；使用 Ollama 等本地 provider 可减少外部传输。