核心能力
为 AI 时代打造的本地知识库
导入、索引、披露，一条完整链路，让你的 AI Agent 真正了解你的项目。
多格式导入
文档、图片、设计图，拖进来就是知识。
向量化索引
量化模型把内容变成可计算、可检索的向量。
内置 MCP Server
标准 MCP 协议，即插即用接入各类 AI 客户端。
渐进式披露
Agent 先看目录，按需再取原文，层层深入。
本地优先 · 隐私安全
数据不出本机，离线也能完整使用。
混合检索
关键词 + 语义双通道，秒级命中。
工作流程
四步，让 AI 用上你的本地知识
从散落的文件到 Agent 可调用的知识，全程自动完成。
1
导入解析
拖入本地文档、图片与设计图，自动提取文本与元数据。
2
切片向量化
内容按语义切片，量化模型生成 Embedding 向量。
3
MCP 服务
内置 MCP Server，把检索与阅读能力暴露给 AI Agent。
4
渐进式披露
Agent 先取目录摘要，按需逐级深入原文。
渐进式披露
AI 只拿到它当下需要的信息
AI Agent 不需要一次读完你的整个知识库。火图知识库通过 MCP 分级提供信息：先给目录与摘要，命中后再按需展开原文。
- L0目录清单 — 知识库结构、文档清单与标签总览，几百 token 即可建立全局认知。
- L1摘要速览 — 单篇文档的摘要与关键信息，帮助 Agent 判断是否值得深入。
- L2原文切片 — 命中的具体切片与出处，只在真正需要时进入上下文。
Agent → kb.list()
← 3 个知识域 · 128 篇文档 · 56 张设计图
Agent → kb.summarize("登录改版方案")
← 2026-03 评审通过：采用渐进式引导，
转化率提升 12%，详见 docs/登录改版方案.md
Agent → kb.read("docs/登录改版方案.md#3.2")
← [原文切片] 按钮位置与文案 A/B 结论：
主按钮右置 + 动词文案，点击率 +9.6%……