智能游戏攻略助手产品系统

面向游戏内容平台、游戏社区和运营团队的智能问答场景。用户经常用自然语言询问角色培养、阵容搭配、关卡攻略、活动机制、装备选择等问题，传统关键词搜索需要反复筛选帖子和 Wiki，信息碎片化且答案容易过期。本项目希望把社区帖子、攻略文档、Wiki 页面等资料统一接入知识库，通过 RAG 检索增强生成，为用户提供可追溯、上下文一致的游戏攻略回答，也方便运营侧快速沉淀常见问题。

系统包含知识库构建、文档切分、混合检索、精排、答案生成和结果展示几个核心模块。支持导入游戏攻略、社区帖子、Wiki 文档等资料，按标题层级和语义边界进行切分；查询时先通过关键词召回和向量召回获取候选内容，再用 Reranker 对候选文档重排，最后将 Top 文档拼接为上下文交给大模型生成答案。回答侧强调引用来源和可解释性，能够给出相关攻略依据，减少模型幻觉。系统适合扩展为游戏客服、社区问答助手、内部运营知识库或玩家攻略检索工具。

本人负责 RAG 全链路设计与实现，包括数据清洗、文档切分、索引构建、召回排序、生成提示词设计和效果评估。技术上主要使用 Python 实现后端逻辑，结合 BM25 关键词召回、BGE 系列向量模型、向量数据库和 Cross-Encoder Reranker 构建检索链路；生成层可接入 Qwen、OpenAI 兼容模型或本地部署模型。项目重点解决游戏领域黑话、缩写、版本更新和多源资料不一致的问题，通过混合检索和引用约束提升答案可靠性。后续可继续扩展权限管理、后台上传、在线评测和多游戏知识库切换。