背景

文档页读完即断路（无 prev/next 之外的横向发现路径）；300+ 篇文档间的语义关联完全靠作者手写链接。相关推荐同时改善停留时长与内链 SEO。

方案（依赖 RAG v2 索引层，见 dev_docs/issue-implementation-plans-2026-07.md 计划 D）

RAG v2 的 P1 会产出全量文档 chunk embedding（pgvector）。本 issue 是它的低垂果实：

1. build 时离线计算每篇文档的 doc-level 向量（chunk 向量取均值即可起步）→ 每篇取 top-4 余弦近邻 → 写 generated/related-docs.json（docId → [docId]）。
2. 文档页 footer 渲染"相关文章"卡片（静态读 JSON，零运行时成本，不碰 Vercel CPU 红线）。
3. 排除规则：同目录 index 页、翻译版（按 docId 去重）、相似度 < 阈值时宁缺毋滥。

执行顺序约束：RAG v2 P1 落地前不要单独为本功能建一套 embedding——两套索引必然漂移。若 RAG v2 被否，本 issue 降级方案为 tag/目录共现推荐（质量下降但零成本）。

验收

• 抽查 10 篇文档的推荐列表，人工判定相关性 ≥7 篇合理
• 推荐数据随 content 变更的 CI 自动更新
• build 表 diff：docs 路由仍全静态