本文围绕“企业级 RAG 知识库如何构建”这一核心问题，深入探讨了如何以 GitLab Issue 作为主要知识来源，打造真正贴近研发实践的 AI 知识体系。文章从 Issue 的独特价值出发，系统讲解了 Issue 数据采集、清洗筛选、语义结构化、向量化索引以及持续更新的完整流程，并结合真实研发场景，分析了如何将分散的历史问题转化为可被 AI 高效检索和复用的知识资产，为企业落地 RAG 提供了一套可执行、可扩展的实践方案。
从 GitLab Issue 构建 RAG 知识库
VS Code 插件 + MCP + RAG 实战
前端开发 TanStack 化：从“框架思维”到“能力组合”的工程演进
Docker 进阶（七）：容器化体系设计总结与生产落地经验复盘
Docker 进阶（六）：生产环境中的 Docker 安全、监控与日志体系
Docker 进阶（五）：Docker + CI/CD —— 从代码提交到自动部署