p10node/docflare-ai 是一个开源聊天机器人组件项目，只需在文档站点上加一个 script 标签，就能回答问题并同时给出依据文档。2026-10-08 的提交 6c00950c 一次性加入了 Workers 后端、爬虫、向量检索、RAG 和管理员 UI。变更文件 29 个全部为新增，新增 4501 行，删除 0 行。
回答方式是检索增强生成（RAG，即把检索到的文档作为依据、由模型生成答案的结构）。README 说明，在 Workers 上架设 Hono 路由器，在 Workers AI 中用 bge-small-en-v1.5 对问题做嵌入，在 Vectorize 中以 384 维余弦距离找出前 20 条，再用名为 bge-reranker-base 的交叉编码器重新排序，最终只把最靠前的段落交给 llama-3.1-8b-instruct-fp8 生成答案。检索结果按站点划分为不同的 namespace，站点、页面和提问记录保存在 D1（SQLite）中。组件是使用 Shadow DOM 的纯 JavaScript 实现，不足 10KB；/admin 路径下的管理画面是无需构建步骤的单文件静态 HTML。许可证为 MIT。
README 表示所有组件都在 Cloudflare 免费套餐额度内运行，并以表格形式列出各项限制：Workers 每天 10 万次请求，Workers AI 每天 1 万个神经元，Vectorize 存储 500 万维度、每月查询 3000 万维度，D1 为 5GB 且每天 500 万次读取。爬虫处理站点地图索引和 gzip 站点地图，并用 HTMLRewriter 去除导航、页眉、页脚等公共元素。
不过这些数值只是仓库文档中写明的值，并非从外部确认过的测量结果。README 没有说明 8B 模型在这一额度下究竟能处理到什么程度。这次提交不是功能修复，而是整个源码的加入，也没有单独的版本发布记录。单元测试文件 test/unit.test.ts 也一并加入，但该提交信息中没有留下执行结果。部署前需要把 .dev.vars.example 中 ADMIN_TOKEN 的占位符替换为实际值。由于没有提供关于检索准确度或回答质量的公开基准测试，可确认的范围大致只到「这是一份值得在文档站点上试一下的初步实现」为止。