Show HN: Reachpad – open-source .md sharing platform for companies and agents

说明与用途

**项目简介（2‑3 句）**
Show HN: Reachpad 是一款开源的 Markdown（.md）共享平台，专为企业内部和智能体（agent）场景设计。它提供即插即用的 AI 能力，让团队在无需从零搭建模型堆栈的情况下快速原型化 RAG（检索增强生成）或 Agent 工作流。

**价值**

• **快速赋能 AI**：内置对向量数据库和 LLM 调用的封装，开发者只需编写少量业务代码即可在文档库上实现检索、问答或自动化 Agent。
• **统一文档协作**：基于 Markdown 的轻量化存储，使技术文档、知识库和提示词（prompt）能够在同一平台上共享、版本化和审计。
• **降低成本**：复用已有的开源组件（如 PostgreSQL、Weaviate、LangChain），避免自行搭建完整的模型服务链路。

**典型接入方式**

1. **部署**：使用 Docker Compose 或 Helm 将 Reachpad 的前端、后端和向量数据库（默认支持 PostgreSQL + pgvector 或 Weaviate）部署到内部 Kubernetes / VM 环境。
2. **配置 LLM**：在 config.yaml 中填写所使用的 LLM API（OpenAI、Anthropic、Claude、Azure OpenAI 等）以及相应的密钥。
3. **导入文档**：通过平台提供的 CLI 或 UI 将公司内部的 Markdown 文档批量上传，系统会自动生成向量索引。
4. **调用 API**：后端暴露 REST / GraphQL 接口，业务系统或自定义 Agent 只需发送查询请求，即可获得基于文档的检索结果或生成式回答。

**生产可用性**

• **成熟度**：当前评分 45/100，适合作为原型或内部工作流使用。代码最近更新于 2026‑06‑24，社区活跃度一般，文档与发行版较为简洁。
• **接入前检查**：需人工审查许可证（MIT / Apache）、依赖安全性、维护状态以及 issue/PR 关闭率，确保没有未解决的关键漏洞。
• **运营要求**：在生产环境部署前建议：
• 进行容器安全扫描并锁定依赖版本；
• 为向量数据库配置持久化存储和备份策略；
• 监控 LLM 调用费用与响应时延；
• 编写 CI/CD 流程以自动化迁移和回滚。

综上，Reachpad 可快速为企业提供基于 Markdown 的 AI 知识库与 Agent 能力，适合内部原型和低风险业务；在正式生产环境使用前，需要完成安全、依赖和运维的额外审查与加固。

实际用途

Show HN: Reachpad – open-source .md sharing platform for companies and agents helps add AI capability without starting from a blank model stack.

• prototype AI features
• build RAG or agent workflows
• evaluate model tooling

限制与审查说明

Medium: useful for prototypes or internal workflows, with dependency and maintenance checks before production.