请用 ChatGPT Image V2 生成一张系统功能架构图，要求专业、清晰、信息完整，适合在技术文章中展示。
主题
一个名为共脑知识编译系统的完整架构，包含三大核心组件：Bridge（数据桥接层）、KC（知识编译引擎）、Hermes Agent（AI 应用层）。
系统概述
这是一个个人知识管理系统。将分散在多个设备（Mac、PC、NAS）的零散数据（对话记录、公众号文章、新闻简报），通过 LLM 编译为结构化的知识词条，存入向量数据库，最终供 AI 助手通过语义搜索调用。
核心组件与职责
1. Bridge（本地数据桥接）
- 定位：统一的数据接入层，像一个”USB Hub”一样把分散的数据汇聚到一起
- 职责：
- 运行在 ITX 服务器（24h 家用服务器）上，端口 9100
- 通过 Client 模式连接 Mac/PC/NAS，暴露三种数据模块：文件系统（files）、数据库（sqlite）、向量库（vector）
- 所有数据通过统一的 REST API（HTTP JSON）对外暴露
- 已经注册的数据源包括：
- 对话记录（Mac Hermes state.db，~2.3GB）
- 公众号文章目录（writing 源）
- NAS 新闻简报（110 个 JSON 文件，2082 条新闻）
- 手动修正词条（corrections）
2. KC 知识编译引擎
- 定位：把原始数据”编译”成结构化知识的引擎
- 职责：
- 部署在 ITX 服务器上，Python 项目
- 通过 Bridge API 读取原始数据
- 调用智谱 GLM-5.2 LLM 对数据进行编译（batch=5 一批）
- 智能重试机制：429 限流时自动探测恢复，parse_fail 时降级到单条重试
- 产出结构化的知识词条（frontmatter + markdown 正文）
- 词条含 unique_id/canonical_id/title/summary/type/body/related 等字段
- 分 5 种类型：facts（事实）/ opinions（观点）/ procedures（流程）/ concepts（概念）/ people（人物）
- 编译后写入 Qdrant 向量数据库（1024 维，余弦距离）
- 发布到 Bridge 的 files/vector source，供外部查询
- 当前已编译 845+ 条知识词条
3. Hermes Agent（AI 应用层）
- 定位：最终的用户交互界面，AI 助手
- 职责：
- 运行在 Mac 上，基于 Nous Research 的开源项目
- 通过 Bridge API 使用编译好的知识库：
/vector/.../query— 语义搜索，输入一个想法，召回最相关的知识词条/files/knowledge-base— 读词条原文（markdown 正文）/sqlite/sessions— 查原始对话记录
- 写作时先 vector query 召回 → 再读具体词条 → 组织大纲 → 生成文章
- 装配文章场景：top_k=25 召回，每段 3-5 条素材带原话引用
完整数据流
数据源 → Bridge 桥接层 → KC 编译引擎 → Qdrant 向量库 → Bridge 查询层 → Hermes Agent
↑ ↓
└────────────── 发布 ──────────────────┘- 输入：对话记录（Mac state.db, 857 会话）、公众号文章、新闻简报 JSON、手动修正条目
- 桥接：Bridge 统一暴露为 files/sqlite/vector 端点
- 编译：KC 引擎分 batch 读取 → LLM 编译 → 产出 markdown 词条文件（含 frontmatter）
- 索引：词条写入 Qdrant 向量库 + 生成 manifest/graph 索引文件
- 发布：publish 回 Bridge，注册为 knowledge-base（files）+ knowledge-base-vectors（vector）
- 使用：Hermes 通过语义搜索召回相关词条 → 组织大纲 → 生成文章/回答
视觉设计要点
- 专业的技术架构图风格，参考系统组件架构图的典型配色
- 三大核心组件用明显区分的大色块（圆角矩形）
- 数据流向用箭头清晰标注
- 每个组件内部列出关键子模块
- Bridges 连接多个数据源到服务器的网络拓扑感
- KC 引擎内部的 LLM 编译 + 向量存储 + 发布三步流程要清晰
- 图面不要过于密集，留白充分
- 配色建议：深蓝/青色系为主，数据层用暖色，整体偏暗色系（适合技术文章）
- 图片比例 16:9 横版
- 文字为中文
标题建议
“共脑知识编译系统 · 架构图”
输出要求
- 图片格式：PNG
- 尺寸：适合公众号文章展示
- 文字清晰，在小尺寸缩略图下也能阅读