企业知识库 AI 问答系统（RAG）产品系统Vibe Coding

企业内部常积累大量文档（产品手册、操作规范、FAQ、制度等），员工或客户查询低效、人工答复成本高。直接用通用大模型问答又有个致命问题——它会"一本正经地胡说八道"（幻觉），在客服、制度问答这类场景一旦答错就有风险。本系统面向企业知识库问答 / 智能客服 / 文档问答场景，让 AI 严格依据企业自有资料回答，资料中没有答案时如实说明，从而把大模型安全地用在对准确性敏感的业务里。适用于企业内部知识库、客服机器人、产品与操作手册问答、合规制度查询等。

· 文档上传与入库：支持 txt / md / pdf，上传后自动切分、向量化并建索引。
· 基于资料的问答：提问后检索最相关的资料片段，由大模型据此作答。
· 来源可追溯：每个答案附带依据的原文片段与相关度，可核对，不是黑盒。
· 拒绝幻觉：资料里没有的内容明确回答"根据现有资料无法回答"，绝不编造——这是企业敢接入客服的前提。
· Web 界面：网页端上传文档 + 对话问答，答案下方展示来源，开箱即用。
· 知识库管理：查看已入库文档、清空重建。

后端用 FastAPI 提供上传/问答/重置接口并托管前端。核心 RAG 流程：文档按约 400 字带重叠切分 → 本地 bge-small-zh 模型向量化（中文检索好、免付费 Embedding、数据不出本地）→ 存入 Chroma 向量库 → 提问时将问题向量化后做余弦相似度 Top-K 检索 → 把检索到的片段 + 问题拼成 prompt 交给大模型（DeepSeek，OpenAI 兼容接口）生成答案。通过系统提示强制"只依据资料回答、无依据则拒答" + 低温度采样抑制幻觉。工程上针对国内环境用 hf-mirror 镜像下载模型，保证开箱即用；前端为原生 HTML/JS，无构建依赖。