必须使用 v2.4.0+ 版本的 Fitten Code，在项目根目录建 .fitten/kb/ 存放清洗后的文本、Markdown 或带注解的 Python 文件，通过命令、配置或 CLI 触发离线训练，成功后可精准引用私有代码逻辑。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在 Fitten Code 中让 AI 更懂你的项目代码风格、内部 API 或私有文档，必须绕过默认的通用语义模型，手动导入本地知识库完成个性化训练——这一步不依赖云端索引，所有文本材料全程离线处理，确保敏感逻辑与业务术语不外泄。
确认 Fitten Code 版本与运行环境
打开 VS Code 或 PyCharm，进入插件管理页，检查已安装的 Fitten Code 版本号。只有 v2.4.0 及以上版本 才支持本地知识库导入功能；低于此版本会直接忽略 .fitten/kb/ 目录下的文件。
在终端执行 python --version，确认 Python 环境为 3.8–3.11。若使用 Conda 环境，需确保该环境已激活且被 IDE 正确识别——否则训练脚本将无法加载本地模块。
准备知识库源文件
新建一个名为 .fitten 的隐藏文件夹，放在你当前项目的根目录下（不是用户主目录，也不是插件安装路径）。
在 .fitten 文件夹内创建子目录 kb/，将待训练的原始材料按以下规则存放：
- PDF 文档 → 转为纯文本后保存为
.txt，每份文件命名不含空格和特殊符号（如api_v3_spec.txt） - Markdown 文档 → 保留原格式，但需删除所有 HTML 标签和非 ASCII 控制字符
- Python 源码 → 仅保留
.py文件，且必须包含完整 docstring 和类型注解（无注解的函数将被跳过）
【注意】Fitten Code 不解析二进制 PDF，也不支持 Excel 表格。上传前务必用 pdfplumber 或 PyMuPDF 提取文字并清洗换行符。
触发本地知识库训练
方法一：快捷命令触发
在 VS Code 中按下 Ctrl+Shift+P（Windows/Linux）或 Cmd+Shift+P（macOS），输入 “Fitten: Train Local KB”，回车执行。
方法二：配置文件驱动
在 .fitten/ 目录下新建 config.yaml，写入：
Fitten Code 1.0.3是一款由清华博士团队打造的AI编程助手，基于国产计图（Jittor）深度学习框架开发。它支持VS Code、JetBrains系列等主流IDE及80多种编程语言。核心功能包括智能代码补全、注释生成、代码解释、Bug检测、单元测试生成等，旨在全方位提升开发效率。该工具对个人用户免费开放。
kb_path: "./kb"embedding_model: "paraphrase-multilingual-MiniLM-L12-v2"chunk_size: 384retrain_on_change: true
保存后，右键点击任意 .py 文件 → 选择 “Fitten Code – Reload Knowledge Base”。系统将自动扫描 kb/ 下所有文本，生成嵌入向量并缓存至 .fitten/cache/。
方法三：CLI 手动执行（适用于 CI/CD 场景）
在项目根目录运行：
fitten-cli train --kb-dir .fitten/kb --model-path ./models/local-embedder.bin --output-dir .fitten/cache
该命令会阻塞直到训练完成，终端输出类似 “✅ Built 127 chunks, indexed in 4.2s” 即表示成功。
验证知识库是否生效
打开任意 Python 文件，在函数上方添加注释：# 基于 internal_auth_flow.py 中的 token refresh 逻辑重写，然后唤出 Fitten Code 的代码生成功能（Ctrl+Alt+G）。
如果生成的代码中准确引用了你本地 internal_auth_flow.py 里的类名、方法签名和异常处理模式，说明知识库已注入成功。
若提示 “未找到相关上下文”，请检查 .fitten/cache/embeddings.faiss 文件是否存在且非空——若为空，说明 chunking 阶段失败，大概率因某份 txt 文件含非法 UTF-8 字节序列。
