用Python+Flask+SQLite从零搭建个人知识库系统

刚整理完手头积压的工作笔记，突然发现知识都散在各处：微信收藏里躺着一堆技术文章，本地文件夹里有几个 Markdown 文件，浏览器书签存了不少教程链接，还有几个文档躺在网盘里吃灰。真到需要复用的时候，往往要翻半天才能找到自己想要的那段内容。干脆自己动手做一个轻量级的个人知识库系统，把散落的知识集中管理起来。

这篇文章会从一个纯小白的角度，完整演示如何用 Python + Flask + SQLite 搭建自己的个人知识库系统。你不需要有很强的编程基础，只要跟着步骤走，一步一步操作，大约十分钟就能跑起来一个具备新增、搜索、查看、删除功能的知识库系统，并且能理解每个环节背后的设计思路。

这个项目做完之后，你掌握的不仅是“复制粘贴能跑”的代码，还会理解数据库表结构怎么设计、后端路由怎么写、前端页面怎么渲染数据，以及后续怎么扩展成能够接入大模型的智能知识库。无论你是刚入门编程，还是想快速搭建一个内部工具，这套方案都足够直接。

1. 个人知识库系统是什么？为什么要自己动手搭建？

1.1 知识库系统到底解决什么问题

个人知识库系统，简单来说，就是给自己搭建一个集中存储、管理和检索知识的平台。它可以记录技术笔记、项目文档、读书笔记、会议纪要、代码片段、问题排查记录等各种内容。很多人一边用微信收藏，一边用备忘录，一边用网盘，知识分散在不同平台里，搜索起来非常痛苦。时间一长，就会陷入“明明收藏过，却找不到”的困境。

个人知识库系统要解决的核心问题有三个：存储统一、检索高效、沉淀复用。存储统一指的是所有知识条目都放进同一个库里，不用再在不同平台之间切换；检索高效指的是可以通过关键词快速定位到想要的笔记，甚至后续可以升级成全文本检索、语义检索；沉淀复用指的是把零散的信息整理成结构化的知识，后续写文章、查资料、做项目的时候能够直接调取。

从技术角度看，个人知识库系统并不需要很复杂。单用户场景下，数据量通常只有几万条甚至几千条，一台普通电脑就能轻松承载。这也是为什么我们可以用轻量级方案来搭，而不必一上来就引入重型的知识库平台。

1.2 自己搭建和现成笔记软件有什么不同

市面上的知识管理工具很多，Notion、Obsidian、语雀、飞书文档都可以用来管理个人知识，为什么还要自己动手“手搓”一个？

这里有一个关键区别：现成的笔记软件解决的是“笔记编辑和排版”的问题，而程序员的个人知识库系统往往还要解决“自动化、可定制、可扩展、数据私有化”的问题。自己搭建的系统，表结构由自己定义，功能由自己开发，数据完全存放在自己的机器上，隐私可控；后续想加自动分类、全文搜索、AI 问答这些功能，也都是在自己的代码上进行扩展，不会被平台的规则限制死。

自己动手搭建的过程本身也是一次很好的技术练习。你会接触到后端 Web 框架、数据库设计、前端页面渲染、接口调试等基础知识。哪怕这个知识库系统最终只用了几天，中间学到的技术也完全值回投入的时间。

2. 技术选型：为什么是 Python + Flask + SQLite

2.1 适合小白的轻量方案

个人知识库系统可以有很多技术实现方案，但如果你想要一个“安装简单、代码量少、容易理解、后续扩展空间大”的方案，Python + Flask + SQLite 是很合适的选择。

先看 Python。Python 语法简单，适合快速开发，生态丰富，初学者也能很快上手。再看 Flask。Flask 是一个轻量级的 Python Web 框架，核心功能简洁，不做过度的封装，一个文件就能写一个 Web 应用，对理解 Web 请求处理流程非常有帮助。再用 SQLite 做数据库。SQLite 是 Python 内置的轻量级关系型数据库，不需要单独安装数据库服务，数据保存在一个本地文件里，零配置文件，对单用户个人知识库来说完全够用。

这个组合还有一个好处：依赖极少。整个项目只需要安装 Flask 一个第三方库，其他全是 Python 标准库提供的功能，大大降低了环境配置失败的几率。

2.2 本文的功能范围

为了让教程足够聚焦，我们的个人知识库系统规划以下核心功能：

• 新增知识条目：支持标题、正文内容和标签。
• 知识列表：在首页展示所有已保存的知识条目。
• 关键词搜索：通过标题、内容、标签进行模糊搜索。
• 详情页：点击标题查看单条知识的完整内容。
• 删除功能：删除不需要的知识条目。

这些功能已经能构成一个完整可用的最小知识库系统。后续如果要升级成智能知识库，比如接入全文检索、标签面板、AI 问答，都可以在这套代码的基础上扩展。

2.3 项目目录结构

先整体看一下项目目录规划，这样后面写代码的时候，心里会更有数。

my_knowledge_base/ ├── app.py # Flask 主程序，负责路由和业务逻辑 ├── init_db.py # 数据库初始化脚本，创建数据表 ├── requirements.txt # 项目依赖文件 ├── knowledge.db # SQLite 数据库文件（首次初始化后自动生成） └── templates/ ├── index.html # 首页模板：展示列表、搜索框、新增表单 └── note.html # 详情页模板：展示单条知识内容

app.py是后端入口，处理浏览器发过来的请求；init_db.py负责初始化数据库；templates目录存放 Jinja2 模板文件，Flask 会自动从这个目录加载页面模板。

3. 环境准备与项目初始化

3.1 安装 Python 与创建虚拟环境

首先确认你的电脑上已经安装了 Python。如果没有安装，去 Python 官网下载对应系统的安装包，安装过程中记得勾选Add Python to PATH。建议使用 Python 3.8 及以上版本，具体版本号不强制，新版 Python 对 Flask 和 SQLite 的支持都没有问题。

安装好 Python 之后，我们在命令行里创建一个项目文件夹，并进入该目录：

mkdir my_knowledge_base cd my_knowledge_base

接着创建虚拟环境。虚拟环境可以为当前项目单独隔离一套 Python 依赖环境，避免不同项目之间依赖冲突。

Windows 系统执行：

python -m venv venv venv\Scripts\activate

macOS / Linux 系统执行：

python3 -m venv venv source venv/bin/activate

激活成功后，命令行前面会出现(venv)标记，说明当前已经进入项目的独立 Python 环境。

3.2 安装 Flask

在虚拟环境中安装 Flask：

pip install flask

也可以先把依赖写入requirements.txt文件，再用pip install -r requirements.txt安装。requirements.txt内容如下：

flask

安装完成后，可以用下面命令确认 Flask 是否安装成功：

python -c "import flask; print(flask.__version__)"

如果输出一个版本号，说明安装正常。版本号可能会因为安装时间不同而不同，不影响本文代码运行。

3.3 创建项目文件

在项目目录下创建templates子目录：

mkdir templates

到这里，目录结构已经建立好，接下来先从数据库设计开始写代码。

4. 数据库设计与初始化

4.1 数据表设计思路

数据库是知识库系统的核心底座。知识库系统最核心的数据实体是“知识条目”，所以设计一张notes表就足够了。

这张表需要记录哪些字段？先想一下知识条目的使用场景：

• 每条知识必须有一个标题，方便识别和列表展示。
• 正文内容是知识的主体，需要完整保存。
• 标签用于分类和检索，标签之间的分隔符可以约定为英文逗号。
• 创建时间记录这条知识是什么时候入库的，方便后续排序和回顾。
• 一个自增主键id，用于唯一标识每条知识。

对应的建表 SQL 语句如下。为了让created_at字段在插入数据时自动填充当前时间，这里使用了DEFAULT (datetime('now', 'localtime'))。

CREATE TABLE IF NOT EXISTS notes ( id INTEGER PRIMARY KEY AUTOINCREMENT, title TEXT NOT NULL, content TEXT NOT NULL, tags TEXT DEFAULT '', created_at TEXT NOT NULL DEFAULT (datetime('now', 'localtime')) );

这里几个字段类型需要说明一下：

• INTEGER PRIMARY KEY AUTOINCREMENT表示自增主键，每次插入新记录时自动加一。
• TEXT类型适合存储文本内容，SQLite 对 TEXT 类型的存储长度没有严格限制。
• NOT NULL约束保证标题和内容不能为空，这是业务层面的基本要求。
• DEFAULT指定默认值。

4.2 编写数据库初始化脚本

在项目根目录创建init_db.py文件，写入以下代码：

# 文件路径：init_db.py import sqlite3 import os DB_PATH = os.path.join(os.path.dirname(__file__), "knowledge.db") def init_db(): conn = sqlite3.connect(DB_PATH) cursor = conn.cursor() cursor.execute(""" CREATE TABLE IF NOT EXISTS notes ( id INTEGER PRIMARY KEY AUTOINCREMENT, title TEXT NOT NULL, content TEXT NOT NULL, tags TEXT DEFAULT '', created_at TEXT NOT NULL DEFAULT (datetime('now', 'localtime')) ) """) conn.commit() conn.close() if __name__ == "__main__": init_db() print("数据库初始化完成，文件位置：", DB_PATH)

这段代码的核心逻辑很简单：先连接 SQLite 数据库文件，如果knowledge.db不存在会自动创建；然后执行 CREATE TABLE 语句创建notes表；最后提交事务并关闭连接。

整个脚本可以重复执行，因为IF NOT EXISTS保证了表已经存在时不会重复创建，避免报错。

4.3 执行初始化

在项目根目录执行：

python init_db.py

运行成功后，项目目录下会生成一个knowledge.db文件。这个文件就是整个知识库系统的数据存储文件，后续所有知识条目都会写在里面。想备份知识库，直接复制这个文件就可以了。

5. 核心功能实现

5.1 首页：展示全部知识条目

现在开始写 Flask 主程序。首先需要一个路由函数处理首页请求，从数据库读取全部知识条目，并传递给模板渲染。

数据库连接操作比较高频，所以封装一个get_db()函数，每个请求处理时获取连接，请求处理结束后关闭连接。这里有一个细节值得注意：设置conn.row_factory = sqlite3.Row，这样查询返回的每一行都可以像字典一样用字段名访问，比如row["title"]，比用数字下标访问更清晰。

首页路由处理逻辑如下：

@app.route("/") def index(): q = request.args.get("q", "").strip() conn = get_db() if q: cursor = conn.execute(""" SELECT id, title, tags, created_at FROM notes WHERE title LIKE ? OR content LIKE ? OR tags LIKE ? ORDER BY id DESC """, (f"%{q}%", f"%{q}%", f"%{q}%")) else: cursor = conn.execute(""" SELECT id, title, tags, created_at FROM notes ORDER BY id DESC """) notes = cursor.fetchall() conn.close() return render_template("index.html", notes=notes, q=q)

首页同时承担了搜索功能：如果 URL 中带有q参数，就按关键词模糊查询；否则查询全部。f"%{q}%"是 SQL 模糊匹配语法，表示包含该关键词的内容都会被匹配到。

这里必须提醒一个非常重要的数据库操作习惯：查询条件中的值通过?占位符传入，而不是直接拼接 SQL 字符串。这样做可以有效防止 SQL 注入攻击。即使是个人使用的知识库系统，也应该从一开始就养成参数化查询的习惯。

5.2 新增知识条目

新增知识条目的数据来源是前端表单的 POST 请求。路由函数需要从request.form中获取标题、内容、标签三个字段，校验非空后写入数据库。

@app.route("/add", methods=["POST"]) def add_note(): title = request.form.get("title", "").strip() content = request.form.get("content", "").strip() tags = request.form.get("tags", "").strip() if not title or not content: return "标题和内容不能为空", 400 conn = get_db() conn.execute( "INSERT INTO notes (title, content, tags) VALUES (?, ?, ?)", (title, content, tags) ) conn.commit() conn.close() return redirect(url_for("index"))

其中.strip()用于去掉字符串首尾空白字符，避免用户不小心输入多余空格。如果标题和内容为空，返回 400 状态码提示参数错误。插入完成后，页面重定向到首页，让新添加的知识条目立即显示在列表中。

5.3 详情页与删除功能

详情页根据note_id查询单条知识并展示：

@app.route("/note/<int:note_id>") def note_detail(note_id): conn = get_db() cursor = conn.execute("SELECT * FROM notes WHERE id = ?", (note_id,)) note = cursor.fetchone() conn.close() if note is None: return "知识条目不存在", 404 return render_template("note.html", note=note)

删除功能的实现要注意风险控制。删除操作不可逆，所以在路由中只允许 POST 请求触发删除，同时前端加一个二次确认按钮，防止误点。

@app.route("/delete/<int:note_id>", methods=["POST"]) def delete_note(note_id): conn = get_db() conn.execute("DELETE FROM notes WHERE id = ?", (note_id,)) conn.commit() conn.close() return redirect(url_for("index"))

实际生产项目中，删除操作还需要考虑权限校验、操作审计、软删除等安全措施，这里作为个人知识库的 MVP 版本，先演示核心流程。

5.4 后端主程序汇总

把上述路由函数整合到app.py中，代码如下：

# 文件路径：app.py import sqlite3 import os from flask import Flask, render_template, request, redirect, url_for BASE_DIR = os.path.dirname(__file__) DB_PATH = os.path.join(BASE_DIR, "knowledge.db") app = Flask(__name__) def get_db(): conn = sqlite3.connect(DB_PATH) conn.row_factory = sqlite3.Row return conn @app.route("/") def index(): q = request.args.get("q", "").strip() conn = get_db() if q: cursor = conn.execute(""" SELECT id, title, tags, created_at FROM notes WHERE title LIKE ? OR content LIKE ? OR tags LIKE ? ORDER BY id DESC """, (f"%{q}%", f"%{q}%", f"%{q}%")) else: cursor = conn.execute(""" SELECT id, title, tags, created_at FROM notes ORDER BY id DESC """) notes = cursor.fetchall() conn.close() return render_template("index.html", notes=notes, q=q) @app.route("/note/<int:note_id>") def note_detail(note_id): conn = get_db() cursor = conn.execute("SELECT * FROM notes WHERE id = ?", (note_id,)) note = cursor.fetchone() conn.close() if note is None: return "知识条目不存在", 404 return render_template("note.html", note=note) @app.route("/add", methods=["POST"]) def add_note(): title = request.form.get("title", "").strip() content = request.form.get("content", "").strip() tags = request.form.get("tags", "").strip() if not title or not content: return "标题和内容不能为空", 400 conn = get_db() conn.execute( "INSERT INTO notes (title, content, tags) VALUES (?, ?, ?)", (title, content, tags) ) conn.commit() conn.close() return redirect(url_for("index")) @app.route("/delete/<int:note_id>", methods=["POST"]) def delete_note(note_id): conn = get_db() conn.execute("DELETE FROM notes WHERE id = ?", (note_id,)) conn.commit() conn.close() return redirect(url_for("index")) if __name__ == "__main__": app.run(debug=True, host="127.0.0.1", port=5000)

这段代码已经覆盖了知识库系统的全部后端接口。debug=True方便本地调试，代码改动后服务会自动重载，也能显示更详细的报错信息。真正部署到公网环境时，必须关闭 debug 模式，否则会带来严重的安全风险。

6. 前端页面编写

6.1 首页模板

Flask 默认使用 Jinja2 模板引擎，在templates/index.html中，我们可以用{% for %}循环渲染知识列表，用{{ }}输出变量值。

页面需要包含几个区块：标题区域、搜索框、新增知识表单、知识列表、删除按钮。这里用一个简洁的页面把功能串起来：

<!-- 文件路径：templates/index.html --> <!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="UTF-8"> <title>个人知识库系统</title> <style> body { font-family: "PingFang SC", "Microsoft YaHei", sans-serif; max-width: 900px; margin: 40px auto; padding: 0 20px; color: #333; } h1 { color: #1a73e8; } .card { border: 1px solid #e0e0e0; border-radius: 8px; padding: 16px; margin-bottom: 16px; } .card h3 { margin: 0 0 8px; } .tags { color: #1a73e8; font-size: 14px; } .time { color: #999; font-size: 12px; } form { margin: 20px 0; } input, textarea { width: 100%; padding: 8px; margin-bottom: 12px; border: 1px solid #ddd; border-radius: 4px; } button { background: #1a73e8; color: #fff; border: none; padding: 10px 20px; border-radius: 4px; cursor: pointer; } button:hover { background: #1762c8; } .search-box form { display: flex; gap: 8px; } .search-box input { margin-bottom: 0; } </style> </head> <body> <h1>个人知识库系统</h1> <div class="search-box"> <form action="/" method="get"> <input type="text" name="q" placeholder="搜索标题、内容或标签" value="{{ q }}"> <button type="submit">搜索</button> </form> </div> <h2>新增知识条目</h2> <form action="/add" method="post"> <input type="text" name="title" placeholder="标题" required> <textarea name="content" rows="5" placeholder="内容" required></textarea> <input type="text" name="tags" placeholder="标签（用逗号分隔，例如：Python,后端,笔记）"> <button type="submit">保存</button> </form> <h2>知识条目列表</h2> {% if notes %} {% for note in notes %} <div class="card"> <h3><a href="/note/{{ note['id'] }}">{{ note['title'] }}</a></h3> <div class="tags">标签：{{ note['tags'] or '未设置' }}</div> <div class="time">创建时间：{{ note['created_at'] }}</div> <form action="/delete/{{ note['id'] }}" method="post" onsubmit="return confirm('确定删除该知识条目吗？');"> <button type="submit" style="background: #d9534f; padding: 6px 12px; font-size: 14px;">删除</button> </form> </div> {% endfor %} {% else %} <p>还没有知识条目，赶紧写上第一条吧。</p> {% endif %} </body> </html>

这个页面的逻辑很清楚：搜索表单用 GET 方法提交，关键词会出现在 URL 参数q中；新增表单用 POST 方法提交到/add；每条知识卡片里的删除按钮同样用 POST 方法提交到对应 id 的删除接口，并带有确认提示弹窗。

6.2 详情页模板

详情页展示单条知识的完整内容，并提供一个返回列表的链接。为了让正文中的换行能正常显示，代码里按换行符拆分内容再逐行渲染：

<!-- 文件路径：templates/note.html --> <!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="UTF-8"> <title>{{ note['title'] }}</title> <style> body { font-family: "PingFang SC", "Microsoft YaHei", sans-serif; max-width: 900px; margin: 40px auto; padding: 0 20px; color: #333; } .meta { color: #999; font-size: 14px; margin: 12px 0; } .content { line-height: 1.8; } a { color: #1a73e8; } </style> </head> <body> <a href="/">返回列表</a> <h1>{{ note['title'] }}</h1> <div class="meta">标签：{{ note['tags'] or '未设置' }} | 创建时间：{{ note['created_at'] }}</div> <div class="content"> {% for line in note['content'].split('\n') %} <p>{{ line }}</p> {% endfor %} </div> </body> </html>

需要注意，Jinja2 模板默认会自动对变量进行 HTML 转义，也就是说，即使知识内容中包含了<script>这样的字符串，也只会被当作普通文本展示，不会被浏览器执行。这个默认机制有效防止了存储型 XSS 攻击，个人系统也不能忽略这一点。

6.3 页面样式的设计思路

页面样式没有引入任何前端框架，直接写了一点内联 CSS。这样做的目的是降低依赖，让整个项目保持简洁。后续如果界面要做成卡片式知识库、添加侧边栏分类、支持 Markdown 渲染，可以再引入前端组件库或 Markdown 解析库，不会影响现有代码结构。

7. 运行与验证

7.1 启动服务

在项目根目录执行：

python app.py

看到类似下面的日志输出，说明服务启动成功：

* Running on http://127.0.0.1:5000

打开浏览器，访问http://127.0.0.1:5000，就能看到个人知识库系统的首页。

7.2 功能验证流程

推荐按下面的顺序做一轮完整测试：

1. 在“新增知识条目”表单中，输入标题、内容和标签，点击保存。
2. 首页列表中应立即出现刚才新增的知识条目。
3. 点击知识标题，进入详情页，确认内容展示正常。
4. 返回首页，在搜索框输入一个关键词，确认能搜索到对应条目。
5. 点击某条知识卡片上的删除按钮，在弹出的确认框中点击确定，确认该条知识被删除。
6. 在搜索框输入一个不存在的关键词，确认页面显示“还没有知识条目”的提示。

7.3 启动报错排查

8. 进阶方向：从轻量知识库走向智能知识库

8.1 全文检索升级

当前系统使用的是 SQLite 的LIKE模糊查询。数据量只有几百条时性能完全够用，但知识条目增长到几千条甚至几万条时，LIKE查询会逐渐变慢，而且不支持中文分词，搜索体验有限。

SQLite 自带的 FTS5 全文检索扩展可以解决这个问题。FTS5 在 SQLite 中创建一个全文索引表，通过分词和倒排索引实现快速全文搜索。对中文场景，建议使用 FTS5 提供的unicode61tokenizer，或者配合simpletokenizer 做基础切分。实际效果还需要根据你的数据样本进行测试，因为 SQLite 版本不同，FTS5 的可用性也可能不同。

8.2 标签与分类体系

目前标签只是简单的字符串字段，用逗号分隔。后续可以增加独立的标签表，以及知识条目和标签的关联表，形成多对多的关系结构。这样就能实现标签面板、标签筛选、标签统计等功能。更进一步，还可以支持多级分类，把知识条目组织成树形结构，让知识库更接近成熟产品的使用体验。

8.3 接入大模型和 RAG

当知识库中的内容增多之后，很多人希望实现“直接用对话问知识库”的效果。这就涉及到 RAG（检索增强生成）技术。

RAG 的基本思路是：先把知识内容做向量化，把文本转换成向量表示存入向量数据库；用户提问时，将问题向量化，在向量库中检索最相关的知识片段；最后把检索到的知识片段和用户问题一起提交给大模型，由大模型结合知识片段生成回答。

实现 RAG 的常见方案有两种。一种是自己编写一套流程，嵌入诸如 Sentence Transformers、Faiss、Chroma 这样的工具库；另一种是直接使用现成的大模型知识库平台，比如 Dify、FastGPT、RAGFlow 等，把本项目的桌面端知识库系统与这些平台对接。后者在上手难度上更友好，适合想要快速落地智能问答的场景。

8.4 多用户与权限管理

个人知识库系统默认是单机、单用户使用的。如果需要部署到团队内部，让多人同时使用，就需要考虑用户登录、权限控制、操作审计等安全机制。Flask 生态中有 Flask-Login、Flask-Security 等扩展可以辅助实现认证授权，数据库层面还需要增加用户表和权限表，在每次读写操作时校验当前用户的访问范围。

9. 最佳实践与工程建议

9.1 数据安全与备份

SQLite 数据库是一个单文件，备份非常方便。最简单的备份方式就是定期复制knowledge.db文件到其他目录、U 盘或者网盘。业务逻辑运行中直接复制数据库文件可能会有不一致风险，更稳妥的做法是使用 SQLite 的在线备份 API，或者通过 Python 的sqlite3连接执行VACUUM INTO语法生成备份文件。

删除功能虽然好用，但风险也高。个人知识库可以增加“回收站”机制，删除时只把记录标记为已删除，而不是物理删除，定期确认后再真正清理。这个设计能避免很多误操作带来的损失。

9.2 代码结构与可维护性

当功能逐渐增加，把所有路由函数堆在app.py里会越来越难维护。建议后续把项目改造成 Flask Blueprint 结构，按功能模块拆分成独立文件，比如routes_knowledge.py专门负责知识库增删改查，routes_search.py专门负责搜索，models.py负责数据库操作。数据库访问也可以从 Flask 应用中分离出来，用独立的工具模块统一管理连接。这样代码的职责边界会清晰很多。

9.3 生产环境部署建议

当前代码中app.run(debug=True)只适合本地开发。如果要把知识库系统部署到服务器上，必须做以下几项调整：

• 关闭debug模式，设置secret_key。
• 使用生产级 WSGI 服务器，比如waitress（Windows 下通用）或gunicorn（Linux 下常用）。
• 在前端增加登录认证，至少是简单的密码访问控制。
• 如果服务暴露到公网，必须配置 HTTPS 证书。
• 对写入接口增加频率限制，防止恶意请求刷库。
• 定期备份数据库文件。

部署环境差异比较大，不同操作系统的安装命令也不一样，具体操作要按自己的服务器环境调整，不要盲目照搬网上的部署命令。

10. 总结与下一步

到这里，一个完整的个人知识库系统就搭建完成了。你实现了知识条目的新增、展示、搜索、删除功能，理解了 Flask 路由的请求处理流程，掌握了 SQLite 数据库的连接、建表和参数化查询，也学会了用 Jinja2 模板在页面中渲染数据。这些基础能力可以迁移到很多 Web 项目中。

如果电脑上还没有跑起来，建议现在动手把项目代码复制下来，按步骤运行一遍。先完成最小功能，再根据需求做界面美化或者功能扩展，比一开始就追求大而全要容易得多。

接下来可以尝试给系统加上 Markdown 编辑器、分类筛选、数据导入导出、FTS5 全文检索等功能。如果你对 RAG 和大模型应用感兴趣，也可以把知识库系统的数据导出成文本，接入 Dify 或 FastGPT，搭建一个能回答知识库问题的 AI 助手。从一个简单的 CRUD 应用到智能知识库，中间的路都是可以一步一步走出来的。