Ncurator/doc/database.md

NCurator-Desktop 数据库设计

存储与检索

• 存储引擎: LanceDB v0.23
• 全文检索: FTS 基于 text 列，Tokenizer 使用 ngram (min:2, max:3)

表定义

表: chunk（文档切片表）

存储文档被切分后的片段及其向量表示。

字段名	类型	描述
vector	FixedSizeList (768, Float32)	文本向量 (Embedding)
text	Utf8	切片文本内容（建立 FTS 索引）
id	Utf8	切片唯一标识
document_id	Utf8	关联的文档 ID
document_name	Utf8	文档名称快照
createdAt	Int64	创建时间戳

索引配置:

• FTS: 列 text，Tokenizer: ngram，min:2，max:3

表: document（文档元数据表）

存储原始文档的信息。

字段名	类型	描述
id	Utf8	文档唯一标识
name	Utf8	文件名
sourceType	Utf8	来源类型（如 'file', 'web'）
filePath	Utf8（Nullable）	原始文件路径
createdAt	Int64	创建时间戳
importStatus	Int32	导入状态（1 导入中，2 导入成功，3 导入失败）

导入状态取值:

• 1: 导入中
• 2: 导入成功
• 3: 导入失败