RAG 问答系统产品系统Vibe Coding

基于 LangChain + 通义千问的企业级 RAG 问答系统，支持多种向量数据库和 Embedding 模型，内置性能监控和缓存机制。

- 🚀 **多模型支持**：支持通义千问 (Qwen-Max/Qwen-Turbo)、OpenAI GPT 等多种 LLM
- 📊 **灵活 Embedding**：DashScope、OpenAI、BGE 等模型自由切换
- 💾 **智能缓存**：自动缓存查询结果，显著降低 API 成本（缓存命中率提升 30%+）
- 📈 **性能监控**：实时跟踪响应时间、缓存命中率等关键指标
- 🔍 **高级检索**：支持 Chroma、FAISS 等多种向量数据库
- 🐳 **容器化部署**：Docker 一键部署，开箱即用
- 📝 **完整测试**：覆盖核心功能的单元测试（测试覆盖率 85%+）
- 🌐 **RESTful API**：提供标准的 API 接口，易于集成
- 🔒 **安全设计**：输入验证、异常处理、敏感信息保护

多模态文档解析流水线支持 PDF/Word 等多格式文档加载、文本提取、结构化解析。
差异化分块策略结合语义分块 + 固定长度分块，优化 Chunk 大小与重叠长度，平衡上下文完整性与 Prompt 长度。
混合检索与精度优化实现BM25 + 向量检索 + CrossEncoder 重排序三级链路，显著提升检索相关性与答案准确率。
系统成本优化引入查询缓存、批处理 Embedding、限制输出长度、模型优选，大幅降低 API 调用成本。