企业知识库智能问答助手产品系统

1. 立项原因： 企业内部制度文件、业务流程文档、技术资料分散在OA、Wiki、共享盘等多个系统中，员工查找信息平均耗时长、效率低，新人上手慢，重复性问题反复咨询HR和业务专家，亟需一个统一的智能问答入口来降低知识获取成本、提升办公效率。
2. 行业场景、业务背景：面向国企及大型组织的内部办公场景，整合 OA 制度库、Wiki 知识库、培训资料、历史问答记录等多源非结构化数据，构建基于大模型的企业知识中枢，支持自然语言交互式的制度查询、流程指引与精准检索。

1. 有哪些具体功能模块：包含文档上传与解析模块（支持 PDF/Word/Excel/图片OCR）、文本切片与向量化模块、向量检索与重排序模块、大模型问答生成模块、引用溯源展示模块、多轮对话管理模块、权限与多知识库隔离模块、问答反馈与评价模块、对话历史与收藏模块、运营管理后台模块。
2. 项目的主要功能描述：用户以自然语言提问，系统自动从企业知识库中检索相关文档片段，结合大模型生成准确、有据可查的答案，并标注信息来源链接；同时支持多轮上下文对话、文档在线管理、按部门/角色做权限隔离、热门问题推荐、未命中问题回流标注等能力，形成"问答—反馈—优化 "的闭环。

1. 我负责整体方案设计与技术选型，负责后端 RAG 核心链路（文档解析、切片、检索、Prompt
拼接、生成）的开发与调优，负责知识库运营管理后台的搭建，并配合前端完成问答页面、对接权限与单点登录。
2. 项目使用了哪些技术栈、架构，实现上亮点和难点：后端基于 Spring Boot + LangChain4j 搭建 RAG 流水线，前端使用 Vue3 + Element Plus，存储使用 MySQL + Elasticsearch + Milvus 向量库，模型接入私有化部署的通义千问/Qwen；架构上采用"文档解析 → 切片向量化 → 召回 → 重排 → LLM 生成 + 引用"的RAG 方案。亮点是支持多知识库隔离与细粒度权限控制，难点在于复杂表格与图片的 OCR 解析、Prompt幻觉抑制以及大文档切片召回准确率的调优。