随着制造业、家电、消费电子、医疗器械等行业产品型号不断增多，产品说明书呈现出篇幅长、术语多、版本更新快等特点。用户在使用产品时，常需要查阅安装步骤、故障排查、参数说明、保修政策等内容，但传统方式主要依赖人工翻阅 PDF 或关键词检索，查找效率低、理解成本高，难以满足“用自然语言直接提问”的实际需求。
在售后场景中，客服人员需要反复回答同类问题，人工成本高、响应速度慢；在厂家侧，不同产品、不同版本说明书分散存储，知识难以统一管理和复用。与此同时，大语言模型在自然语言理解与生成方面能力显著增强，若与向量检索结合形成 RAG（检索增强生成）机制，可在引入说明书原文依据的前提下生成连贯回答，有效降低“凭空作答”的风险。
因此，构建一套面向产品说明书的智能摘要与问答系统，具有明确的行业应用价值：普通用户可通过对话快速获取使用指导；厂家管理员可集中维护产品与说明书知识；平台管理员可通过权限与日志机制保障系统安全运行；当自动问答无法解决问题时，还可转入工单处理，实现 AI 与人工服务协同。本系统正是面向上述场景，为说明书数字化、智能问答与业务管理一体化提供解决方案。
本系统采用 B/S 架构，按角色划分功能，主要模块如下。
1. 用户与权限管理
普通用户可自行注册登录，使用对话问答、个人资料维护、找回密码等功能；厂家管理员可自行申请注册，经系统管理员审核通过后启用，也可由管理员直接创建；系统管理员负责全局用户、权限与系统配置管理。系统采用密码加密存储、会话鉴权、操作日志记录等机制，保障账号安全。
2. 厂家与产品管理
支持厂家信息维护、产品信息录入及厂家—产品—说明书关联管理，为后续按产品维度检索和问答提供基础。
3. 说明书管理与智能解析
支持 PDF、Word 等格式说明书上传，系统自动完成文本抽取、分块、向量化与索引构建，并跟踪解析状态。说明书更新后可同步刷新向量数据，保证检索结果与最新内容一致。
4. 智能摘要与对话问答
基于 LangChain4j 集成大模型，采用 RAG 机制：先从向量库检索相关说明书片段，再生成自然语言回答。支持多轮对话、会话记录、智能体配置及说明书分享链接。
5. 工单处理
当自动问答无法满足需求时，可生成工单并流转至人工处理，实现“AI 问答 + 人工兜底”的服务闭环。
6. 系统管理
包括大模型 API 配置、系统日志审计、后台运维管理等，便于平台稳定运行与问题追溯。
本系统采用前后端分离架构。前端使用 Vue 3、Vite 与 Element Plus 构建管理端和对话页，通过 Axios 调用后端 REST 接口；后端基于 Java 17 与 Spring Boot 3 实现，采用 Controller—Service—Repository 分层结构，使用 MyBatis-Plus 访问 MySQL 完成业务数据持久化。
在智能能力实现上，系统使用 Apache PDFBox、Apache POI 解析 PDF 与 Word 文档，对说明书内容进行清洗、分块后生成向量，并写入 Redis 向量库；MySQL 保存用户、厂家、产品、说明书、工单、日志等结构化数据。用户提问时，系统先进行向量相似检索，获取 Top-K 相关片段，再与大模型 API 结合完成 RAG 生成，最终将回答与会话记录回写数据库。
在权限实现上，系统区分系统管理员、厂家管理员、普通用户等角色：普通用户注册即可使用；厂家管理员需审核或由管理员直建；各角色菜单与接口权限分离，防止越权访问。在业务流程上，形成“说明书入库—向量检索—智能问答—工单兜底—日志审计”的完整链路。
测试结果表明，系统能够稳定完成说明书管理、智能问答、后台管理与安全控制等核心功能，具备较好的工程可行性与应用推广价值。
评论