企业级混合检索知识库问答系统产品系统Vibe Coding

面向金融、政务、通信等企业级私有化部署场景，解决企业内部海量非结构化文档（PDF研报、Word制度、技术手册等）检索难、问答准度低、“黑盒”不可溯源的痛点。
传统关键词搜索无法理解自然语言提问（如“去年Q3产品退货率相关的合规条款在哪”），且专有名词召回率低；同时企业担心数据泄露，无法直接用公网大模型。本系统为这类对数据安全、回答准确性、合规性有强要求的中大型企业，提供基于私有化知识的智能问答中枢，覆盖IT运维助手、员工制度咨询、研报分析、客服辅助等高频场景。

智能混合检索问答：支持自然语言提问，系统采用“BM25关键词+向量语义检索”双路并行，通过RRF融合与Qwen3-Rerank精排输出结果，相比单一检索Top-5召回率提升40%，实现百级文档库毫秒级响应。
多轮对话与分级记忆：内置短期记忆（Redis保留最近N轮）+长期记忆（ES语义索引）分级管理，智能调度上下文注入，解决Token线性增长与早期信息丢失问题，支持连贯的多轮业务咨询。
问答溯源与可视化：每个回答强制附带引用来源高亮、原始文档切分块预览及相关性分数（RRF/Rerank），破除AI黑盒，增强企业用户对答案的信任度与核验效率。
文档轻量化管理与评估：支持多格式文档解析入库；基于LangFuse搭建RAG可观测性体系，持续监控HitRate、MRR等指标指导策略迭代；创新实现无向量库方案（仅靠Elasticsearch同时承担BM25+向量检索），降低30%运维成本。
合规与私有化交付：全链路私有化部署，数据不出内网，满足金融/政务合规要求，支持Dify集成与权限隔离。

技术栈：后端 FastAPI、PostgreSQL、Elasticsearch（dense_vector+BM25）、Redis、Celery，前端 Vue 3 + TypeScript，AI层 LangChain、Qwen3-Rerank、DashScope、Docker Compose，可观测 LangFuse。
混合检索架构：设计 EnsembleRetriever 执行 RRF(Reciprocal Rank Fusion) 融合算法，将BM25关键词检索与Vector向量检索结果按文档ID合并打分；引入 Qwen3-Rerank 精排模型对融合结果二次重排，显著提升专有名词与模糊语义的召回准确率。
无向量库轻量化方案：针对中小规模场景，放弃Milvus/Chroma，利用 Elasticsearch 的 dense_vector 字段​ 统一实现向量检索与关键词检索，一体化基础设施，减少部署复杂度与运维成本30%。
分级记忆管理：自研记忆调度器，短期用Redis List存储原文保真，长期用ES存语义摘要，根据对话轮次与Token预算动态注入上下文，优化消耗并保证连贯性。
RAG全链路可观测：集成 LangFuse​ 记录每次检索链路（查询→各路召回得分→Rerank→LLM生成→Token消耗），建立HitRate/MRR评估面板，支撑检索策略数据驱动迭代。
工程化部署：采用 Docker Compose 容器化编排，实现一键私有化部署；通过 Celery 异步处理文档解析切片，保障大文件入库不阻塞主线程。