知识图谱智能问答系统产品系统

知识图谱（Knowledge Graph）与检索增强生成（Retrieval-Augmented Generation, RAG）的结合，通过结构化知识与非结构化数据检索生成的互补，构建了更精准、可解释、可追溯的智能问答系统。

政务、医疗、金融等行业对问答结果的准确性和合规性要求极高：
政务：政策解读需严格对应原文条款；
医疗：疾病诊断需基于权威医学指南；
金融：产品咨询需符合监管要求和业务规则。

1. 知识中心、概念配置、关系配置、多数据源抽取、图谱探索、知识图谱血缘可视化。
2. 知识融合，融合多源异构知识，通过策略优化提升知识的一致性、准确性和可用性；知识推理，利用逻辑推理技术挖掘知识间的潜在关联，增强系统的语义理解和智能决策能力。
3. RAG知识智能问答，构建基于大语言模型（LLM）与知识图谱的智能问答系统，支持自然语言交互查询；包括大模型管理、向量知识库、函数工具和高级编排RAG智能应用。

1.我负责项目的技术架构设计，包括业务整体架构设计和技术架构选型等。涉及到技术包括java、python/Django、langchain、PostgreSQL / pgvector、springboot、vue3、Echarts、MySQL、Redis、Neo4j等。大模型包括：DeepSeek、通义千问、Kimi、百度千帆、讯飞星火、OpenAI等。