AI智能知识库问答系统产品系统

企业内部的产品手册、规章制度、FAQ散落在几十上百个文档里，客服和员工遇到问题要翻半天文件，回复口径还不统一。本项目是一套开箱即用的企业知识库问答系统：上传文档自动解析分片、向量化入库，员工提问时先检索相关知识再交给大模型生成回答，回答附引用来源，让企业知识"一句话就能查到"，适合中小团队快速搭建RAG问答能力。

知识库管理：支持上传PDF、Word、TXT、Markdown等格式文档，自动解析正文并分片（按段落和长度切分），文档列表展示解析进度、分片数和向量化状态，支持删除和重新索引。
智能问答：对话式交互，提问后先对问题做向量检索召回Top-K相关片段，再结合大模型生成带依据的回答，回答底部展示引用来源（文档名、页码、原文片段），点击可查看原文。
多轮对话：支持追问和上下文理解，历史消息自动带上文，对话记录按会话分组保存，可随时回看。
人机协同：回答可点赞/点踩反馈，反馈用于优化检索排序；未命中时自动收集问题，提示补充知识库文档。
知识统计：仪表盘展示文档总数、知识分片数、向量索引量、问答次数与命中率，按文档维度的被引用热度排行，帮助发现知识缺口。
权限管理：区分管理员、知识编辑、普通用户三种角色，管理员管理知识库和模型配置，普通用户只能问答。

技术栈：后端Python + FastAPI，文档解析用python-docx、PyPDF2，分片用递归字符切分，向量化接入Embedding模型接口，向量检索用pgvector（PostgreSQL扩展）做余弦相似度查询，大模型通过OpenAI兼容接口调用，Redis缓存高频问题和会话状态；前端Vue3 + Element Plus，问答页消息流式渲染。
主要负责：文档处理流水线（上传→解析→分片→清洗→向量化→入库，异步任务队列处理，进度实时上报，失败自动重试）；向量检索模块（问题Embedding后与知识分片做余弦相似度检索，按阈值过滤弱相关结果，返回Top-K片段）；问答接口（检索结果拼装Prompt模板，流式返回回答与引用来源元数据）；引用溯源逻辑（回答标注引用序号，前端点击展开原文片段）；会话管理（按会话聚合多轮消息，Redis缓存上下文）；前端开发问答对话、知识库管理、上传进度、统计仪表盘等页面；权限控制（管理员/知识编辑/普通用户）。