AI知识库产品系统

本项目面向政府机关、国有企业、招投标代理机构等单位，解决传统招标文件查阅效率低、知识分散、人工检索耗时等问题。通过构建企业级AI招标知识库，将海量政策法规、招标流程文档、合同模板、案例文件等结构化存储，并结合大模型与RAG技术，实现智能问答、文档解析、自动摘要与知识推荐。系统支持多角色协同管理，提升投标团队信息获取效率与决策质量，广泛应用于工程、采购、政府采购等领域，助力企业数字化转型与合规运营。

项目基于大语言模型（LLM）与召回增强技术（RAG）构建AI招标知识库系统，具备知识库搭建、智能问答、文档问答、数据报表四大核心功能。用户可上传Word、PDF等主流格式文件，系统自动解析并生成标签，构建私有向量数据库；支持按知识库选择提问，AI实时生成专家级答案，并推荐相关问题与参考内容；可直接上传文件进行文档级问答，自动生成摘要与关键信息提取；后台提供用户行为分析、访问统计、知识热度等可视化数据报表。整体实现从“人找信息”到“AI主动服务”的智能化升级。

我作为后端开发负责人，主导了AI知识库系统的架构设计与核心模块开发。系统采用 微服务架构（Spring Cloud + Nacos + Gateway），前端使用 Vue3 + Element Plus 构建管理后台。后端核心技术栈包括：
Embedding 向量化：使用 Sentence-BERT 或 text2vec 模型将文本转换为向量，存入 Milvus 向量数据库；
RAG 技术实现：通过 Faiss 或 Milvus 实现语义检索，结合 ChatGPT / 文心一言 / 星火等大模型 API 完成上下文增强问答；
文档解析引擎：集成 Apache Tika 和 PDFBox 支持多种格式文档解析，结合正则与NLP提取关键字段；
知识库管理：实现文件上传、自动打标、分类管理、权限控制等功能；
问答服务：设计请求流程：用户提问 → 向量检索 → 获取相关段落 → 调用大模型生成答案 → 返回结果；
数据报表模块：基于 ECharts 实现用户活跃度、问答频次、知识热度等可视化分析。
我负责的模块包括：
知识库文件上传与解析服务；
向量数据库构建与相似度检索接口；
RAG问答链路开发；
用户权限与角色管理系统；
数据采集与报表展示接口。
系统已部署于多个政府及国企客户环境，日均处理问答请求超500次，知识检索准确率达90%以上，显著提升投标团队工作效率。

技术先进：LLM + RAG + 向量数据库，符合当前AI应用主流趋势
业务闭环：知识录入 → 智能问答 → 文档解析 → 数据分析
落地性强：已在实际招投标场景中稳定运行，具备商业价值