要让 Fitten Code 准确理解你的私有代码与内部文档，构建本地知识库是关键步骤。整个过程门槛不高，但需注意几个重要细节。首先，版本必须满足要求——v2.4.0 及以上版本才支持本地知识库功能。接着，在项目根目录下创建 .fitten/kb/ 目录，将清洗后的文本、Markdown 或带有注解的 Python 文件放入该目录。最后通过命令或 CLI 触发离线训练，成功后 AI 即可精准引用你的私有逻辑。
简而言之，就是绕过 Fitten Code 默认的通用模型，手动导入本地知识库进行个性化训练。整个过程完全离线，不依赖云端索引，敏感的业务术语和内部逻辑不会外泄。下面详细拆解每一步的具体操作。
确认 Fitten Code 版本与运行环境要求
打开你使用的 IDE（例如 VS Code 或 PyCharm），进入插件管理面板，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；低于此版本的会直接忽略 .fitten/kb/ 目录下的文件。
在终端运行 python --version，确认 Python 环境为 3.8–3.11。如果使用 Conda 环境，请确保它已经激活并被 IDE 正确识别——否则训练脚本无法加载本地模块。
准备知识库源文件
新建一个名为 .fitten 的隐藏文件夹，放置在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 → 转成纯文本保存为
.txt，每份文件命名不要带空格和特殊符号（例如api_v3_spec.txt） - Markdown 文档 → 保留原格式，但需要删除所有 HTML 标签和非 ASCII 控制字符
- Python 源码 → 只保留
.py文件，且必须包含完整的 docstring 和类型注解（没有注解的函数会被跳过）
注意：Fitten Code 不解析二进制 PDF，也不支持 Excel 表格。上传之前务必使用 pdfplumber 或 PyMuPDF 提取文字并清洗掉多余的换行符。
触发本地知识库训练
准备工作完成后，有三种方式可以触发训练，按需选择即可。
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：
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”。系统会自动扫描 kb/ 下的所有文本，生成嵌入向量并缓存到 .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
这个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，在函数上方添加一条注释：# 基于 internal_auth_flow.py 中的 token refresh 逻辑重写，然后调出 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本地 internal_auth_flow.py 里的类名、方法签名和异常处理模式，则说明知识库已成功注入。
万一提示 “未找到相关上下文”，请检查 .fitten/cache/embeddings.faiss 文件是否存在且非空——如果为空，说明分块（chunking）阶段失败，通常由某份 txt 文件中包含非法 UTF-8 字节序列导致。