企业级AI知识库(新材料方向)产品系统

新材料研发具有“研发周期长、试错成本高、知识碎片化严重”的典型痛点：配方/工艺/表征/性能数据分散在论文、专利、实验报告、仪器数据与会议纪要中，研究人员检索与复现困难，跨团队知识难以沉淀，导致重复实验与路径选择失误。为提升材料筛选效率与研发决策质量，本项目构建面向新材料方向的企业级知识库与智能问答平台，沉淀内部数据并融合外部文献知识，实现从“资料检索”到“研发辅助决策”的闭环，降低试错成本、缩短研发周期，提升研发协同效率与知识资产复用率。

平台提供从数据接入、知识构建到智能检索与对话的全流程能力： 1）用户与权限：用户系统、角色权限控制、数据隔离与访问审计；
2）知识库管理：知识库创建/删除、数据集管理、增量更新、版本与状态管理；
3）新材料专用文本处理：支持论文/专利/报告等多格式解析、结构化抽取（材料体系、成分配比、工艺参数、表征方法、性能指标）、去噪清洗与分段切片；
4）检索增强：基于向量库的语义检索+关键词/条件过滤的混合检索，提升专业术语与配方/参数场景下的召回与准确度；
5）AI for Science：面向研发问题的总结归纳、对比分析、实验方案建议、结果解释与引用溯源；
6）对话与Agent：融合AI对话、工具/Agent调用（检索、数据抽取、报告生成等）、多轮对话管理与人工介入审核，形成可控、可追溯的研发辅助流程。

本项目为“企业级AI知识库（新材料方向）”综合平台，目标是将内部研发资料与外部文献转化为可检索、可对话、可追溯的知识资产，为材料设计、工艺优化与实验决策提供支持。我主要负责知识库体系的整体搭建与落地：包括知识入库流程设计、文本解析与清洗切片策略、向量化与索引构建、检索链路与RAG接口、以及后端API服务输出与稳定性保障。技术栈方面采用 Python 作为主要开发语言，Milvus 构建向量检索与相似度召回，MySQL 存储业务元数据与权限信息；使用 Mineru 完成文档解析/结构化抽取，基于 LangGraph 编排多步骤Agent工作流与对话管理；通过 Kafka 实现异步任务与增量更新管道，保障大规模文档导入、索引重建与在线查询的解耦与高吞吐。平台最终实现多源数据统一管理、专业领域检索增强与可控智能问答，支撑新材料研发效率提升。