Sylva 文档

#使用本站

官网是 Sylva 的「门面」也是「工具箱」：你可以在这里下载安装包、在浏览器里直接体验真实界面、购买授权、查看每个版本的更新，以及阅读你现在看到的这份文档。顶部导航的锚点会把你带到首页对应板块；在其他页面点击时会先回到首页再定位。

#安装与首次启动

Sylva 是一个完整的桌面应用：安装包里已经带好了数据库、文档解析引擎和 Agent 运行时，不需要你另外安装任何服务，也不需要 Docker。

数据目录里有数据库（pgdata/）、原件与图片（files/）、日志，以及 secrets.json——它保存数据库密码和凭据加密密钥，请不要手动删除。想换电脑时，用「设置 › 数据与备份」做一份加密备份，比直接复制目录更可靠。

#配置模型

Sylva 不绑定任何一家模型服务。打开「设置 › 模型配置」：先在下方「模型服务」里接入一个服务、勾选要用的模型，再在上方「默认模型」里为四项功能分别指定模型。 业务代码只说「我要对话模型」，由解析层查出默认模型 → 服务 → 密钥，再交给对应的协议适配器，换模型不需要改任何东西。

• 三种接口类型

  OpenAI 兼容（Chat Completions / Responses）、Anthropic Messages、Google Gemini，支持自定义地址与请求头。

• 密钥集中管理

  接入服务时填写的密钥自动存进「密钥」列表，多个服务可以共用一把，轮换只改一处；密钥在本机加密保存，永远不写入备份。

• 本机模型

  Ollama、LM Studio 等 OpenAI 兼容服务直接填本机地址即可；四项功能都用本机模型时，内容不会离开电脑。

#激活授权

Sylva 的授权按设备、按期限计算，全部功能都包含在内，模型调用费用由你选择的服务商另计。

1. 在首页 购买 或客户端「设置 › 授权」里选择套餐，用微信扫码付款。
2. 付款成功后页面立即显示授权码；在客户端里购买会自动激活，无需复制。
3. 在官网购买时，把授权码粘贴到「设置 › 授权」完成激活。授权码遗失可以凭微信账单里的「商户单号」在购买板块找回。
4. 月度授权可在客户端内续费，剩余天数会顺延；授权有效期内的更新全部包含。

#五分钟上手

1. 建一个文档库。左侧栏「文档库」里新建，比如「门店运营」。文档库之间的知识互不干扰，问答时可以选范围。
2. 导入文档。拖入 PDF、Word、Excel，或者整个文件夹（保留目录结构）。导入在后台进行，可以随时离开页面。
3. 构建知识。在文档或文档库上点「构建知识」，Sylva 会切片、生成推荐问题、抽取实体与概念，编译成互相链接的知识页。
4. 提问。在助手里问「华东区冷链记录有什么问题？」。回答中的每个角标都能点开，在右侧原件里高亮对应的原文。
5. 随手问。在任何应用里按 ⌥ Space 唤出快捷提问，不用切回主窗口。

#导入文档

在文档库里点「导入文档」，选择文件或整个文件夹。界面只负责把原件交给本机服务、选好放到哪个文件夹；解析、识别、成文全部在后台自动完成。提交后可以离开页面甚至退出应用，下次启动会从断点继续，中断不消耗重试次数。

扫描页交给多模态模型识别文字，同时由模型判断这一页的原图要不要保留：有插图、图表、印章的页留下原图，纯文字页只留文字，整个过程不用手动选择。 任务详情里带图片角标的页，就是模型判断后保留了原图的页。

#网页剪藏

在「导入 › 网页链接」里粘贴一个或多个网址，Sylva 把每个网页的正文整理成文档库里的一篇文档。提供三种整理方式：整理成笔记（一句话摘要 + 按主题重组的小节）、摘要与要点（摘要段落 + 5–10 条要点）、保留原文（只做提取与清理，不调用模型）。你也可以直接对助手说「帮我把这个链接存下来」。

• 隔离的剪藏浏览器

  剪藏在独立、隔离的浏览器环境中进行，自动拦截弹窗、下载与内网地址。需要登录的站点可以在剪藏窗口里登录后重试。

• 图片本地化

  正文图片自动保存到本机，原网页的图片失效了也不怕；个别图片下载失败也不影响成文。

• 原网页下线也能溯源

  原件是剪藏时的正文快照，开头注明来源、作者、发布与剪藏时间，原网址单独记录。

#构建知识

导入只是把文档变成 Markdown；构建知识才是 Sylva 的核心：它把一篇文档编译成可检索、可导航、可追溯的知识层——多维的知识索引、实体与概念页，以及它们之间有原文依据的关系。

构建任务在后台并行执行，并根据你的模型服务能力智能调度，不会把服务打爆。整篇知识要么完整生效，要么保留旧知识，绝不留下半套新知识。

#知识图谱

知识页之间的 [[链接]] 就是图谱里的连线。同一个实体或概念会自动聚合多篇文章的内容；文章重新构建时，图谱会随之更新并自动清理不再有来源支撑的页面，越用越清晰，而不是越用越乱。

在图谱里点击节点即可预览知识页，沿着连线做多跳阅读；问答时 Agent 也会沿着同样的链接深读关联页，回答「A 和 C 有什么关系」这类跨文档问题。

#可溯源问答

助手不是「检索一次、拼进提示词、生成答案」的固定流水线，而是一个会自己决定下一步的 Agent：先检索候选、必要时看目录、再深读原文，证据够了才作答。每一条结论都绑定本轮实际读到的原文，历史回答里的引用编号不会串到新答案里。

• 选范围

  可以在全部文档库、单个文档库或选定的文件里提问；追问会沿用所选范围，并结合上文补全「它」「这个」的指代。

• 看过程

  检索了什么、读了哪些章节、为什么停下，都在可展开的过程面板里；刷新页面后依然可以恢复。

• 运行中补充

  回答进行中可以追加要求：选择「当前步骤结束后处理」或「本轮结束后处理」，不必打断重来。

#原文定位

点击回答里的角标，右侧打开原件并高亮引文。Sylva 从导入那一刻起就把正文的每一段与原件位置绑定，所以文章被你编辑过之后，没有改动的段落仍然能精确定位。

原文件更新后，在原件条上选择「更新此文档」：旧正文与旧原件保存为历史版本。旧回答引用的内容在新版本里找不到时，会回到当时的版本与原件定位，并标明来自旧版本。

#快捷提问

看文件、写邮件、开会时想查一句，不用切回 Sylva：在任何应用里按 ⌥ Space（Windows 为 Alt Space），屏幕中央会浮出一个小窗口。输入关键词即时搜索知识页、文档和历史对话，方向键预览，回车直接提问；需要细看时一键跳回主窗口的完整页面。

快捷键可以在「设置 › 通用 › 快捷提问」里重新录制或关闭，修改立即生效。主窗口里也可以按 ⌘ K 快速打开任意文档、知识页或对话。

#结构化抽取

合同、发票、报告里总有一批固定字段要录入表格。定义一个抽取模板（分组 → 字段，支持文本、数字、金额、日期、是否、选项与表格七种类型），Sylva 会逐字段从正文里抽取取值，同时给出原文摘录和把握度，并在原件上标出每个值的来源。

• 摘录必须真实存在

  每一个取值的原文摘录都会被逐字核对，对不上原文的值往往是推断或编造，会降低把握度并标为待核对。

• 长文档也能抽

  超长文档并行抽取后自动合并；不同位置给出不同取值时，保留更可信的一个并列出全部候选供你核对。

• 边抽边填

  每抽完一个字段就立刻显示在界面上，不用等整份文档跑完。

#编辑器与思维导图

每篇文档都是可编辑的 Markdown。阅读时版面干净，点进正文格式工具栏才浮上来；划选文字，加粗、行内代码、手绘荧光笔和链接跟着出现。右侧细线是大纲，悬停展开、点击直达。停笔几秒自动保存，也可以一键导出 Markdown。

知识内链用手绘马克笔波浪线标出，点一下就跳到对应知识页；任意文章可以一键切换成思维导图，长文的层次结构一眼看清。

#可视化外观配置

在「设置 › 通用 › 外观」中选择跟随系统、浅色或深色模式，并分别为浅色与深色配置配色。缩略图展示 Arc、葱白、鸦青、墨蓝、米黄等方案，浅色模式还可以选择纯白。

界面字号与正文字号独立调整：界面字号控制侧栏、按钮与列表，正文字号控制文档编辑器与知识正文。点选配色或调整字号后，可以直接在真实窗口里预览效果，点击「应用」保存；点击「放弃」或离开设置页，会恢复已保存的外观。

#操作型助手

助手不只会回答，还能动手：新建文档、改写正文、整理文件夹、移入回收站、开始或暂停构建、重试失败的导入、剪藏网页、切换模型绑定…… 它会先预演出影响清单和正文差异，再按风险等级和你选择的确认档位决定是直接执行还是请你确认；执行后在对话里留下回执，支持撤销的操作可以从回执中撤销。

#导出与备份

你的知识不应该被锁在某个软件里。Sylva 提供三种导出格式，外加一份端到端加密的整库备份：

恢复备份总是生成一个新的文档库，当前文档库保持不变；恢复不重新识别文档、也不调用模型，完成后可以随时在两个文档库之间切换。

#一体化本地平台

大多数 AI 知识库产品，背后是一整套云端服务：数据库集群、向量检索服务、任务队列、解析服务……你的文档要先上传到别人的服务器。Sylva 反其道而行：把企业级的后端架构完整地搬到你的电脑上，由我们自研的本地智能引擎统一调度。

• 企业级数据底座

  内置工业级数据库，同时支撑全文检索、语义检索与知识图谱，文档再多依然流畅。

• 自研智能引擎

  Agent、任务、权限与安全策略由同一个引擎统一调度，各模块之间严格隔离、互不越权。

• 默认就是私有部署

  没有账号体系，没有云端同步强制项，你的电脑就是你的私有服务器。

#本地智能引擎

引擎是 Sylva 的心脏。它在后台安静地运行，对外只向 Sylva 自己的界面开放；即使本机其他程序发现了它，也无法调用任何功能。应用退出时它会妥善收尾，下次启动自动恢复到原来的状态。

#永不丢失的后台任务

导入几百份文档、为整个文档库构建知识，都是耗时的工作。Sylva 的后台任务引擎为此专门设计：提交即保存、断电不丢、重启续跑，并且会根据你的模型服务能力智能调度并发，既跑得快，又不会把服务打爆。

• 聪明的重试

  临时性故障自动重试，真正的错误立即告诉你原因，不浪费你的模型额度。

• 不会重复执行

  网络抖动、重复点击都不会产生重复任务或重复文档。

• 真实的进度

  每一页、每一篇的进度都是真实统计，没有一根假的进度条。

#全格式解析引擎

PDF、Word、PowerPoint、Excel、EPUB、扫描件……Sylva 内置的解析引擎把它们统一转换成干净、可编辑的正文，同时记住每段文字在原件里的位置。它完全在本机运行，不依赖 Office，也不把你的文件交给任何第三方解析服务。

• 逐页智能判断

  电子版页面直接提取，只有真正的扫描页才交给多模态模型识别，又快又省。

• 版面感知

  表格、标题层级、图片与公式尽量保持原貌，插图与印章页自动保留原图。

• 安全第一

  不执行宏、不运行脚本；异常或恶意构造的文件会被安全拦截。

#精确溯源

可溯源问答的底气来自 Sylva 独有的源映射技术：从导入那一刻起，正文里的每一段都和原件里的位置牢牢绑定。PDF 能定位到页内的具体区域，表格能定位到行，Word 能定位到段落。

更厉害的是，你编辑文章之后，没改动的段落依然能精确定位；原件更新后，旧回答还能回到当时的版本找到出处。

#多维知识表示

一段知识可以被以不同的方式找到：有人记得原话，有人只记得意思，有人想问概念之间的关系，有人想按章节通读。Sylva 为同一份文档同时构建多种知识形态，每一种都针对一类问题做了极致优化。

#知识编译

「构建知识」就像请一位研究员把整份文档通读一遍：理清结构、提炼实体与概念、找出它们之间有原文依据的关系，再写成一篇篇互相链接的知识页。多篇文档里提到的同一个概念会自动合并，知识越积越厚，而不是越堆越乱。

• 结构感知

  按文档本身的章节逻辑组织知识，而不是机械地按字数切块。

• 自动关联

  跨文档的同义概念自动识别与合并，图谱随文档增长而生长。

• 整体生效

  构建要么完整成功，要么保留旧知识，绝不留下半套。

#混合检索

单一的向量检索经常「意思对了、关键词丢了」，单一的关键词检索又「字面对了、意思偏了」。Sylva 让多路检索同时出发，再经过融合、精排与去重，把最相关、又足够多样的候选交给 Agent。针对中文做了专门优化，召回和排序都不需要额外调用模型，快且稳。

#自主检索与深读

这才是 Agentic RAG 的精髓：没有写死的流程。Agent 先看候选和目录，判断哪里值得读，再有选择地深读原文；发现信息不够，会自己换个说法再找、沿着知识链接继续追。证据充分了才动笔作答。

#自愈与新鲜度

检索系统任何一个环节出了状况——比如没有配置向量模型、某一路检索暂时不可用——Sylva 都会自动降级到其他检索方式继续工作，你几乎感觉不到。

知识也会自己「保鲜」：文章改过、Sylva 升级了更好的算法，系统都会察觉并提示你重新构建；只重建改动过的文章，不需要清空整个文档库。

#为什么是 Agentic

传统 RAG 是一条固定流水线：检索一次 → 拼进提示词 → 生成。问一个事实还行，一旦遇到「比较两份合同」「按章节总结」「这个概念和那个人有什么关系」就会失灵。Sylva 的助手是一个真正会思考下一步的 Agent。

#自主循环

Agent 会先理解你的目标与复杂度，必要时制定计划；然后在「行动 → 观察 → 反思」之间不断循环，直到证据足够。过程中检索了什么、读了哪些章节、为什么停下，都实时展示在执行面板里，刷新页面也能原样恢复。

#安全运行时

• 凭据零接触

  你的模型密钥由系统统一保管，Agent 本身永远接触不到。

• 每次调用都要过关

  Agent 想做的每一件事都要经过系统的二次校验，绕不过去。

• 沙箱化运行

  Agent 运行在隔离环境中，没有任何额外的系统权限，取消即彻底回收。

#智能收敛

运行时会根据任务复杂度自动分配时间与资源：简单问题秒答，复杂研究可以深挖。一旦发现在原地打转或迟迟没有进展，它会优先整理已有证据作答，而不是白白丢掉已经查到的东西，也不会无止境地消耗你的模型额度。

#断点续跑与运行中补充

每一步都会自动保存检查点。断网、取消或重启之后，可以一键「从检查点继续」，已完成的工作不必重来；结果不确定的写操作绝不会被重复执行。

回答进行中还可以随时追加要求，选择在当前步骤结束后处理，或本轮结束后处理，不必打断重来。

#多模型适配

OpenAI 兼容接口、Anthropic、Google Gemini 以及本机模型均可接入，覆盖流式输出、工具调用与向量嵌入。各家模型的「思考过程」都会被正确续接，切换模型无缝衔接。你可以为对话、多模态识别、文档库问答和向量嵌入分别指定不同的模型，按需组合成本与效果。

#工具生态

#层层把关的执行链

Agent 提出的每一次调用，都必须依次通过多道安全关卡。模型自己声称「用户已经同意了」一律无效——只有你亲手点下的确认才算数。

#动态技能

把所有工具和规则一次性塞给模型，既浪费又容易让它分心。Sylva 的 Agent 会按需加载技能：先浏览有哪些专长可用，判断需要时再加载对应领域的完整能力，像一位会随时翻开专业手册的专家。

技能只扩大能力范围，从不绕过权限。你也可以用标准的 SKILL.md 编写自己的技能，教会 Agent 你的工作方式。

#多 Agent 协作

遇到复杂任务，主 Agent 会把它拆开，交给多个子 Agent 并行处理，再汇总核对。子 Agent 只能做只读的调研工作，权限只会比主 Agent 更小，任何修改你数据的动作都只能由主 Agent 在你确认后执行。

#操作型工具与风险分级

助手的每一个写操作都遵循同一套流程：先预演、再确认、后执行、可撤销。预演会列出影响清单和正文差异；如果在你确认之前目标已经发生变化，操作会自动作废，不会改错东西。

• 防提示注入

  读过文档或网页原文后，写操作会自动提高确认等级，防止文档里藏着的「指令」借助手之手修改你的数据。

• 自动执行有上限

  同一轮里自动执行的操作达到上限后，后续操作逐项确认。

• 风险只升不降

  系统的安全策略只会让操作更谨慎，模型无法自行降低风险等级。

#知识构建里的文档 Agent

长文档的知识提炼同样由 Agent 完成。它像研究员一样分章阅读、并行提炼，必须证明自己读完了全文才能交付；读得不完整时会自动换用更稳妥的方式补齐，长文档也不会「读着读着忘了要干什么」。

#MCP 与扩展

• 连接外部服务

  支持标准 MCP 协议，接入你自己的工具；读取直接可用，写入一律需要确认。

• 浏览器协作

  可以让助手在隔离的浏览器里查看网页，导航、点击、输入都需要你确认，不会碰你的真实浏览器资料。

• 文件化技能

  用标准 SKILL.md 扩展助手的能力，或规定知识构建的写法。

#数据在本机

三类用途都绑定本机模型（例如 Ollama）时，文档内容完全不会离开电脑。模型 API Key 加密保存在本机，不进入备份，也不会出现在任何发给模型的内容里。

#进程与网络边界

• 只对 Sylva 开放

  本地引擎只接受 Sylva 自己界面的请求，本机其他程序无法调用它。

• 剪藏不碰内网

  剪藏网页时自动拦截指向本机和局域网的地址，防止恶意网页借道访问你的内网。

• 隔离运行

  文档解析和 Agent 推理都在受控的隔离环境里运行，超时、资源与取消都有严格约束。

• 提示注入防护

  文档与网页内容只被当作资料，不会被当作指令执行；读过原文后，写操作自动提高确认等级。

• 最小暴露

  界面上展示的执行过程都经过脱敏处理，敏感参数不会出现在界面和日志里。

• 密钥加密保管

  模型密钥用本机密钥加密保存，不进入备份，也不交给 Agent。

#加密备份

备份是一致性快照，备份期间可以继续使用应用。默认加密，口令不保存；写入临时文件并整份回读校验后才出现在列表里。

采用业界公认的现代密码学方案，不自创加密算法。更换口令无需重新上传备份；云端备份自动去重、增量上传，越备份越快。