tracerag产品系统Vibe Coding

一个完整的 RAG（Retrieval-Augmented Generation）文档问答系统，基于 Vue 3 + TypeScript + Vercel Serverless Functions 构建。支持 PDF/DOCX 文档解析、智能分块、向量化检索和 AI 驱动的问答功能，实现基于文档内容的精准问答。

本项目是一个端到端的 RAG 问答系统，集成了文档解析、文本分块、向量化、语义检索和生成式问答的完整流程。用户上传文档后，系统会自动提取文本、生成向量、建立索引，然后通过语义检索找到最相关的文档片段，最终由 AI 生成基于文档内容的准确回答，同时支持多轮对话和上下文管理。

📄 多格式支持：PDF (.pdf) 和 DOCX (.docx) 文件解析
✂️ 智能分块：采用带重叠区域（Overlap）的切片策略，保留上下文连续性，支持 1024 维向量映射
✅ 意图识别（Intent Recognition）：基于问题内容自动识别用户意图，优化检索策略
🔢 向量化：使用阿里 DashScope Embedding 生成文本向量，支持向量缓存
🔍 语义检索：基于余弦相似度的向量检索，支持 MMR 算法优化多样性
🤖 AI 问答：基于 DeepSeek API 的智能问答，完全基于文档内容，支持 SSE 流式打字机效果
🛡️ 引用完整性：严格验证 AI 引用是否在提供的文档片段中，确保回答可靠性
🔗 引用跳转：回答中的引用可点击跳转到原文片段并高亮显示，继承引用显示特殊样式（琥珀色 + ↻）
📊 AI 摘要：自动生成文档摘要和关键点，支持流式列表渲染
🙋 多轮问答：支持连续对话，保留上下文信息，提升回答质量
🌐 全方位国际化支持：深度集成 vue-i18n@11，支持自动语言检测、持久化以及中英双语 AI 提示词（Bilingual Prompts）
🎨 统一视觉体系：紫蓝色主题，专业实体风格图标设计，符合 RAG 项目风格的现代化界面设计
📡 全链路监控：内置 0 依赖 Logger，基于 AsyncLocalStorage 追踪 TTFT、Token 消耗与 Map-Reduce 耗时，支持 Locale 标签化日志记录