最近几年我们一直聚焦于研发 AI 产品,如JitWord协同 AI 文档,JitKnowAI 知识库,Pxcharts

超级表格,也一直在账号中给大家分享高价值的 AI 开源项目。

在开源 DMS、RAG 知识库遍地开花的当下,面向凭证场景的电子档案开源方案其实十分稀缺。多数方案要么照搬通用知识库的向量检索思路,忽略档案强合规、强溯源的底线;要么只实现基础的文件存储与归档流程,缺少智能化关联检索能力。

打开网易新闻 查看精彩图片

今天这篇文章,我会聚焦我们开源的电子档案系统JitArchives,先完整介绍这个项目,再梳理它在档案业务约束下的技术取舍、模块设计逻辑,以及这套轻量化方案适合的边界。

JitArchives是我们基于JitWord协同 AI 文档底座开发、面向企事业单位的开源电子档案管理系统。项目定位不是又一个网盘或者通用文档库,而是一套兼顾传统档案全生命周期业务、同时融入轻量化 AI 能力的凭证型档案平台。

打开网易新闻 查看精彩图片

开源仓库:https://github.com/jitOffice/jitarchives

它原生打通JitWord协同文档 SDK,业务文稿在协同平台完成评审定稿之后,可以直接发起归档锁定文档快照作为正式档案正本,避免版本错乱。

同时系统内置档案 Agent 智能助理、档案知识图谱两大 AI 能力,和市面上主流档案 RAG 方案最大的区别在于:整套检索、图谱关联逻辑不依赖独立向量数据库、图数据库,基于 SQLite FTS5 与 TF-IDF 相似度计算实现,降低内网私有化部署的运维成本,适配中小单位的硬件条件。

打开网易新闻 查看精彩图片

项目完整覆盖了档案著录、分类、归档审核、借阅审批、权限管控、操作审计等传统档案业务,同时把 AI 能力限定在只读查询链路里,所有 AI 回答都必须绑定原始档案证据,从设计上规避大模型幻觉带来的凭证风险。

打开网易新闻 查看精彩图片

登录后第一屏是工作台数据大盘,档案规模、归档进度、分类结构、借阅审批情况按统计范围汇总,管理员可以看到全库口径。

打开网易新闻 查看精彩图片

类目管理是档案业务的起点。系统支持多级分类树,分类与档案数量实时来自数据库,编码规则在服务端校验。

打开网易新闻 查看精彩图片

接下来我就详细和大家分享一下我们团队做的这款开源电子档案系统。

一、行业现状:为什么直接拿 RAG 知识库改档案系统,往往行不通

现在不少团队做档案智能化,做法很简单:文档切片、向量化入库,接入大模型做问答。这套方案在知识库场景效果尚可,但放到档案凭证场景,会接连遇到几个硬约束。

打开网易新闻 查看精彩图片

第一,向量检索擅长语义泛化,但结果溯源成本高。向量召回只能拿到相似片段,很难稳定绑定原始档案的档号、元数据、归档状态,一旦用于审计、内控核查,证据链不完整。

第二,向量库、图数据库运维门槛高。中小企业、区县下属单位、科研院所大多没有专职运维,很难长期维护一套包含向量库、图数据库的复杂中间件集群,GPU 资源也往往不足。

第三,大模型权限边界很难控制。通用 RAG 方案容易出现越权检索,模型本身没有档案业务角色、密级、借阅时效的概念,很容易泄露涉密档案内容。

第四,幻觉问题对档案是致命风险。知识库说错内容可以修正,档案作为法律、内控凭证,AI 编造一条合同条款、验收记录,带来的是直接合规风险。

这也是我们在做JitArchives时,没有直接复用 JitKnow 知识库向量 RAG 架构的核心原因。

二、项目核心能力概览

作为开源档案底座,它分为基础档案业务模块和AI 增强模块两大块。

基础业务模块,对标传统电子档案系统的必备流程:支持多级类目管理、元数据著录、档号自动生成,区分草稿、已归档状态;归档后的档案进入只读保护,不允许随意修改。

配套完整的线上借阅审批流程,所有附件下载、预览都经过后端权限校验;

打开网易新闻 查看精彩图片

全链路审计日志记录登录、修改、归档、借阅、下载行为,支持筛选导出,满足审计追溯。

打开网易新闻 查看精彩图片

同时兼容 PDF、DOCX、图片等常见附件格式,支持存量档案批量导入迁移。

AI 增强模块,是这个项目差异化的重点,分为档案 Agent、档案知识图谱。

打开网易新闻 查看精彩图片

档案 Agent 走证据驱动的问答链路。用户用自然语言提问,系统在当前用户权限范围内检索档案元数据与附件正文,评估证据充足性之后再生成回答,每一条结论都附带原文来源定位,证据不足时直接告知,不编造内容。Agent 只拥有只读查询权限,无法修改、新增、删除任何档案数据,不会介入归档、审批等业务流程。

打开网易新闻 查看精彩图片

档案知识图谱把分类、档案、附件、正文块抽象成节点,区分两类关系:一类是业务天然的结构关系,比如分类包含档案、档案包含附件,这类信息完全可信;另一类是文本相似关系,通过 CJK Bigram+TF-IDF 余弦计算得出,仅作为关联线索,系统会明确提示使用者,相似不等于业务关联,需要人工核验原始档案。

图谱支持和 Agent 双向联动,选中档案节点即可直接带入上下文提问。

打开网易新闻 查看精彩图片

整套 AI 能力的底层,没有引入独立向量库。全文检索依靠 SQLite 内置 FTS5,搭配 BM25 排序;相似度计算在应用层完成。好处是部署简单,单文件数据库即可跑通;代价是深度语义泛化能力弱于 Embedding 向量方案,项目文档里也明确标注了这个取舍,不夸大效果。

打开网易新闻 查看精彩图片

三、技术架构拆解,轻量化设计的底层逻辑

项目采用前后端分离架构,前端 Vue3+TypeScript,后端 NestJS,默认数据库 SQLite。

打开网易新闻 查看精彩图片

整体分层清晰:前端只负责 UI 展示,所有权限判断、业务规则全部收敛在服务端;接口层通过守卫统一拦截、校验身份;业务层按照档案、借阅、审计、Agent、图谱拆分为独立服务;数据层依托 SQLite 同时承载业务表、FTS5 全文索引、图谱节点关系表;文件目录存储原始附件,索引属于派生数据,支持全量重建,原始档案数据和索引解耦,索引损坏不会破坏凭证原件。

打开网易新闻 查看精彩图片

外部模型服务层对接兼容 OpenAI 协议的大模型 API,模型只接收经过权限过滤后的检索片段,没有直连数据库和文件存储的权限。

打开网易新闻 查看精彩图片

安全设计贯穿全程:密码 scrypt 哈希存储,会话使用 HttpOnly Cookie;附件下载接口强制校验访问权限,杜绝路径穿越、直接拼接 URL 下载文件;所有检索动作,都会带上当前用户的权限过滤条件,避免越权返回档案;业务变更和审计日志在同一个事务中写入,保证行为和记录的一致性。

打开网易新闻 查看精彩图片

四、适合与不适合,开源项目的客观边界

这套开源方案,更适合这些场景:

1.中小型企事业单位内网私有化部署,预算有限,缺少运维复杂中间件的人力;

2.存在大量合同、项目、行政、财务类电子档案,需要兼顾归档流程和 AI 检索;

3.对内审、外审有审计留痕要求,同时希望严格控制 AI 幻觉风险;

4.不想将档案数据托管到公有云 SaaS。

它也有明确的能力边界,在选型时需要理性看待。检索基于词法检索而非向量语义检索,跨语义泛化能力有限;图片型扫描 PDF 无法提取正文,不能参与 Agent 问答;文本相似图谱仅为线索,不能自动判定业务关联;当前权限模型为角色 + 访问级别,暂不支持细粒度自定义档案 ACL;生产环境 HTTPS、安全头、密钥等配置,需要运维侧自行完成。

打开网易新闻 查看精彩图片

测试中可以看到,扫描件图片 PDF 上传后,系统无法提取正文文本,这类文件不会进入 Agent 检索和全文检索范围;图谱的文本相似关系是后台异步计算生成,大批量档案导入后,需要等待索引重建完成才会展示关联;权限控制上,当配置档案仅预览、禁止下载时,在附件预览面板确实隐藏下载按钮,后端接口同样拦截下载请求,不是仅前端隐藏。
五、我们在项目里坚持的设计原则

做这个开源项目的过程中,我们一直守住两条主线:

打开网易新闻 查看精彩图片

第一,档案凭证优先,AI 只是辅助工具。智能化不能突破档案合规底线,AI 只读、证据可溯源、幻觉可控是硬性约束。

第二,降低私有化落地门槛。很多优秀的档案类 AI 方案,卡在部署复杂、运维成本高,中小单位根本跑不起来。我们选择用 SQLite 的轻量化路线,就是希望更多团队可以先在本地、内网把档案智能化跑起来,而不是被基础设施拦住。

开源档案项目本身不多,兼顾传统档案业务流程、又加入可控 AI 能力的方案更少。JitArchives不是一个可以替代专业商用档案馆系统的产品,它是一个面向中小组织、可二次开发、可私有化部署的开源底座。 如果你正在做电子档案数字化,或者想要基于开源底座二次开发,不妨拉取代码本地部署体验,也欢迎在仓库提交 Issue、PR 一起迭代。

打开网易新闻 查看精彩图片

开源仓库:https://github.com/jitOffice/jitarchives

说明:本文为开源项目深度拆解,系统为开源底座原型,正式档案业务落地,仍然需要配套单位档案管理制度,上线前做好备份、安全评估。

多唠叨一嘴

我们最近上线的AI知识库产品JitKnow,目前也在持续迭代中,感兴趣可以参考一下。

打开网易新闻 查看精彩图片

先暂时聊这么多,后续会持续分享AI创业开源笔记,欢迎留言交流 ~