面向企业内部知识管理、客服支持、教育培训等场景，解决传统文档"存了却找不到、找到了看不完"的痛点。团队/个人可将产品手册、培训资料、规章制度、技术文档等批量上传，系统自动构建可检索的知识库，员工或用户通过自然语言提问即可快速获取准确答案，无需再逐份翻找原始文档。相比传统关键词搜索，基于语义理解的检索能识别同义表达和上下文关联，命中率更高；相比直接依赖通用大模型问答，答案严格基于已上传文档内容生成并标注引用来源，避免"一本正经胡说八道"的幻觉问题，适合对答案准确性和可追溯性要求较高的企业内部场景。
① 用户体系：注册/登录，密码 bcrypt 加盐哈希存储，会话保持；② 文档管理：支持 PDF/Word/TXT 上传，自动解析、清洗、滑窗分块（500字块长+50字重叠），异步显示处理状态，支持删除并联动清理向量数据；③ 智能问答：接入 DeepSeek 大模型，采用检索增强生成（RAG）架构——先对用户问题进行拆解生成子问题，多路检索知识库后按向量相似度合并去重，再交由大模型生成答案；创新点在于设计了基于相似度阈值的智能路由机制，能自动判断问题是否与已上传文档相关：相关则基于文档内容作答并标注引用来源及相关度分值，不相关则自动切换为大模型通用回答并明确提示用户，避免检索到不相关内容却被强行用于回答的问题；④ 历史记录：问答记录可查询、关键词搜索、导出CSV；⑤ 部署：提供 Docker 容器化部署方案，支持一键在 Linux 服务器上运行。
前端采用 Streamlit 快速构建交互界面，多页面路由实现登录、文档管理、问答、历史记录模块解耦；后端数据层使用 SQLAlchemy ORM + SQLite 管理用户、文档、文本块、问答记录四张核心表；向量检索层基于 ChromaDB 的 PersistentClient 实现本地持久化，文本向量化优先尝试 DeepSeek Embedding 接口，接口不可用时自动降级为本地 sentence-transformers 多语言模型，保证功能可用性不受外部接口限制；大模型调用层通过 OpenAI 兼容协议对接 DeepSeek API，实现问题拆解、多路检索、生成式回答的完整 RAG 流程。项目编写了完整的单元测试（覆盖认证、文档解析、分块、RAG主流程），并支持 Docker/Docker Compose 一键部署，具备工程化交付水准。
评论