面向公司年度报告问答场景，搭建从 PDF 解析、文本分块、向量化入库到检索生成的完整 RAG Pipeline，支持按公司隔离知识库、LLM 重排序、结构化答案输出和页码级引用校验。
点击空白处退出提示
企业年报智能问答与知识库系统产品系统
我要开发同款技术信息
作品详情
行业场景
功能介绍
· 企业年报离线入库： 使用 MinerU 将年报 PDF 解析为 Markdown，结合 TextSplitter 按合适的 chunk 切分并保留 overlap 重叠，通过 subset.csv 补充公司名与 SHA1 元数据，生成公司级 chunk JSON 与 Faiss 向量索引。
· 公司级检索路由： 基于公司白名单从用户问题中提取公司名，先定位对应年报及 Faiss 索引，再在公司范围内进行语义检索，避免跨公司文档混检造成的答案污染。
· 两阶段召回与重排序： 采用“Faiss 初筛 + LLM 重排”的两阶段检索策略，默认先召回 30 个候选 chunk，再通过 LLM 判断问题与候选内容的相关性，最终保留 Top 10 结果构造 RAG 上下文。
· 结构化答案生成： 针对文本、数字、布尔值、公司名称列表和比较类问题设计不同 Pydantic Schema，输出结构化答案、推理摘要和相关页码，提升结果可解析性。
· 多公司比较处理： 对包含多个公司的问题拆分为公司级子问题，分别执行独立检索与回答，再聚合各公司的结果及引用。
项目实现
Python · MinerU · DashScope/Qwen · Faiss · LangChain · Streamlit
示例图片
声明：本文仅代表作者观点，不代表本站立场。如果侵犯到您的合法权益，请联系我们删除侵权资源！如果遇到资源链接失效，请您通过评论或工单的方式通知管理员。未经允许，不得转载，本站所有资源文章禁止商业使用运营!
评论