知识库问答助手产品系统

当下开发者、职场团队、应届毕业生普遍存在知识零散、文档检索低效问题，传统文件夹检索、关键词搜索无法精准定位碎片化笔记、项目文档、开发资料。在软件开发、毕业设计、企业内网知识库场景中，人员常因资料过多找不到关键知识点，新人上手周期漫长，同时通用大模型存在知识库滞后、幻觉严重的缺陷。本项目面向程序员、初创团队、应届生，打造私有化RAG私人知识库助手，解决本地文档无法精准检索、大模型回答脱离私有资料、新人学习成本高、项目复盘资料难以复用的行业痛点。

项目基于LangChain+LangGraph搭建迭代式RAG架构，依托PostgreSQL+pgvector搭建本地向量数据库，支持PDF、Markdown、TXT等多种格式文档批量上传、自动切片与向量化存储；通过FastAPI搭建轻量化后端服务，对接NewAPI网关统一调度各大主流大模型接口，实现基于私有知识库的精准问答。同时集成Docker Compose一键部署能力，搭配Redis做缓存优化，可区分个人学习、团队商用两种使用模式，支持问答溯源、检索来源展示、对话历史记录，能够规避大模型幻觉问题，还提供完整部署文档与报错排查手册，适配个人笔记管理、企业内网知识库、毕设项目资料检索等场景。

本人独立完成项目全流程设计与开发，整体技术栈采用Python+FastAPI、LangChain+LangGraph、PostgreSQL(pgvector)、Redis、Docker Compose。独自负责需求梳理、后端接口开发、向量库搭建、RAG检索逻辑迭代、API网关封装与容器化部署；攻克了文档切片优化、向量召回精准度不足、大模型幻觉抑制、多环境部署兼容等难点，通过多级检索策略与对话溯源机制提升知识库问答准确率，完整落地从文档上传、向量化存储到智能问答的全链路闭环。