d512ad41f9
排查确认两处真实浪费： 1. resources/tts/piper/ 里除 espeak-ng-data 外的所有文件（Piper 神经 语音模型、二进制、自带 onnxruntime、phonemize 库、tashkeel 阿拉伯语 音标模型，合计 ~113M）从未被实际调用——detectBackend() 第一优先级 永远命中 VITS（小雅），Piper 引擎分支代码走不到，只有它 bundle 里的 espeak-ng-data 目录被 VITS 借用当 sherpa-onnx 校验的 dataDir。 systemTts.ts 新增 findPiperEspeakDataDir()，VITS 分支改为只依赖这一 个子目录，不再要求 Piper 引擎的 bin/model/config 存在。 2. electron-builder.config.ts 的 files 补充排除 onnxruntime-web（ @huggingface/transformers 的硬依赖但项目强制走 onnxruntime-node， 完全未用）、naive-ui/date-fns/highlight.js/lodash 系（只在 src/renderer/ 被引用，electron-vite build 时已被 Vite 打包进 out/renderer/*.js，主进程不需要原始 node_modules），约省 227M。 两项合计预计单包体积从 ~789M 降到 ~560M 左右，待真机重新打包安装、 实际听一次语音播报确认功能未受影响。 Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
elec_rag_ui — 智能电子手册前端
基于 Electron + Vue3 + TypeScript + LanceDB 构建的本地化 RAG（检索增强生成）桌面应用。
仅支持 Linux（银河麒麟 Kylin V10 / Ubuntu），适配 ER160（揽月 M50 NPU）和 ER25（芯动力 RPP）计算卡。服务进程管理委托给 er_backend（HTTP 17700），前端专注 RAG 逻辑与用户交互。
技术栈
- 框架：Electron + electron-vite + Vue3 + TypeScript
- UI：Naive UI（弹窗/通知）+ 自定义工业风 CSS
- 状态管理：Pinia
- 向量数据库：LanceDB（嵌入式，无需额外服务）
- 本地向量化：
@huggingface/transformers+onnxruntime-node - 生成引擎：llama.cpp server（通过 er_backend 管理）
- Markdown 渲染：marked
支持硬件
| 计算卡 | 嵌入方式 | 生成方式 |
|---|---|---|
| ER160（揽月 M50 NPU） | llamacpp NPU（默认）或本地 CPU | llamacpp |
| ER25（芯动力 RPP） | 本地 CPU（固定） | llamacpp |
推理请求（生成 + 嵌入）统一经 er_backend 代理转发（http://127.0.0.1:17700），实际 llama-server 监听哪个端口由 er_backend 后端配置决定，前端不感知、也不需要按计算卡型号推导端口。
目录结构
elec_rag_ui/
├── src/
│ ├── main/ # Electron 主进程
│ │ ├── index.ts # 入口：全屏启动、菜单禁用、信号处理
│ │ ├── config.ts # 配置读写（userData/config.json）
│ │ ├── ipc/ # IPC 处理器
│ │ └── rag/ # RAG 核心逻辑
│ ├── preload/index.ts # contextBridge
│ ├── renderer/ # Vue3 前端
│ │ └── src/
│ │ ├── App.vue # 根布局（顶栏 + 主区）
│ │ ├── components/ # ChatPanel / IndexPanel / SettingsModal 等
│ │ ├── stores/ # Pinia store
│ │ └── types/ # TypeScript 类型定义
│ └── batch_questions.txt # 批量测试问题示例
├── models/ # 本地模型（onnx 由 Git LFS 管理）
│ ├── bge-small-zh-v1.5/ # 嵌入模型（512 维，~24MB）
│ ├── bge-base-zh-v1.5/ # 嵌入模型（768 维，~98MB，onnx 需自行下载）
│ ├── bge-large-zh-v1.5/ # 嵌入模型（1024 维，~312MB，onnx 需自行下载）
│ ├── asr/ # Paraformer 流式语音识别模型（~376MB）
│ └── punct/ # 标点恢复模型（~72MB）
├── docs/ # 示例文档（用于测试索引与问答）
├── resources/ # 应用图标、TTS/ASR worker
├── stubs/sharp/ # sharp 原生模块 stub
├── package.json
├── electron-builder.config.ts
└── electron.vite.config.ts
依赖：er_backend
本应用依赖 er_backend（端口 17700）管理 llama-server 推理服务进程。启动前请确保 er_backend 已运行：
# PAD 上
cd /opt/er-backend
nohup ./node/node manager/index.js &
# 或通过 systemd（deb 安装后自动配置）
systemctl status er-backend
er_backend 管理界面：http://<PAD-IP>:17700（配置模型路径、启动/停止服务）
模型文件
models/ 目录中的 .onnx 文件通过 Git LFS 管理。克隆后拉取实体文件：
git lfs install
GIT_SSL_NO_VERIFY=true git lfs pull
bge-base / bge-large 的 onnx 文件需自行从 HuggingFace 下载：
- bge-base-zh-v1.5（下载
onnx/model_quantized.onnx，约 98MB） - bge-large-zh-v1.5（下载
onnx/model_quantized.onnx，约 312MB）
开发模式
npm install
npm run dev:linux # Linux（--no-sandbox，开发专用）
开发模式下需要设置
DISPLAY环境变量（有图形界面时自动可用）。
打包
npm run package:kylin # Linux x64，产出 AppImage + .deb
npm run package:kylin:arm64:deb # Linux ARM64 deb（推荐，须在 ARM64 机器/真机上执行，已验证可行）
npm run package:kylin:arm64 # Linux ARM64（AppImage + deb），真机 Kylin 上 deb 目标
# 走 electron-builder 自带 fpm 必现 tar failed，
# 用 package:kylin:arm64:deb 代替
数据存储
| 内容 | 路径 |
|---|---|
| 配置文件 | ~/.config/elec_rag_ui/config.json |
| 向量数据库 | ~/.config/elec_rag_ui/lancedb/ |
许可证
MIT License