AI 智能客服助手（本地知识库问答）产品系统

本项目是一款完全本地化运行的智能客服系统，核心目标是让中小商家与企业无需租用昂贵的云端客服 SaaS 也能拥有专属的 AI 问答能力——所有数据不出本机，安全合规可控。立项原因：当前市场上的智能客服方案普遍存在两个痛点。一是 SaaS 化产品要求企业把内部文档、客服工单、客户数据上传到第三方服务器，金融、医疗、法律、教育等行业受合规约束根本无法采用；二是 ChatGPT 类通用大模型存在"幻觉"问题，会编造不存在的政策或产品信息，强行接入反而给企业带来更大麻烦。本项目以"自研检索 + 本地运行"为核心理念，让企业用最低成本、最安全的方式拥有专属的 AI 客服。行业场景覆盖：1) 电商客服——淘宝、拼多多、抖音店铺每天面临大量重复的售前售后咨询（发货时间、退换货政策、尺码规格、优惠活动等），本系统可把店铺 FAQ 导入知识库，7×24 小时自动回复；2) 企业内部知识库——HR 政策问答（年假、报销流程）、IT 帮助台（VPN 接入、打印机驱动）、产品手册查询等敏感数据场景，企业不愿把内部文档上传第三方平台，本系统纯本地运行完美解决；3) 教培机构"知识随问"——把课程大纲、讲义、习题库导入系统，学员可随时提问关键概念；4) 法律 / 医疗 / 金融专业咨询——把行业法规、术语解释、案例库导入，作为初级咨询助手提升专业效率；5) AI 自动化项目交付——作为 RAG（检索增强生成）系统的最小可用版本，可作为客户项目的起步方案。共同点：数据敏感、问答密集、需要可控成本，正是本系统的目标市场。

本项目主要功能模块包括：一、知识库管理模块：1) 内置 12 段示例知识库，覆盖部署、文档格式、数据安全、模型扩展四大常见问题，用户启动即用；2) 支持上传 txt / md 文档作为业务知识库，系统按段落自动切分，无需手工标注或训练，5 分钟即可完成业务知识库搭建；3) 侧边栏实时显示知识库段落数，方便用户掌握知识库规模。二、智能检索问答模块：1) 基于自研 TF-IDF 文本检索 + 余弦相似度匹配算法，从知识库中找出与用户问题最相关的 Top-3 段落作为答案引用；2) 有效避免大模型的"幻觉"问题——答案 100% 来自用户提供的知识库，不会编造信息；3) 返回结果附带原文引用（blockquote 格式），用户可点击查看出处；4) 检索响应时间 < 50ms（12 段示例库），支持千段级知识库。三、多轮对话模块：1) 保留最近 6 轮问答历史，支持上下文连续追问；2) 使用 Streamlit session_state 实现会话管理，刷新页面不丢失；3) 使用 chat_message 组件渲染对话历史，视觉体验接近主流 IM。四、数据安全模块：1) 纯本地运行：所有计算在用户本机完成，文档内容不上传任何第三方服务器，符合企业数据安全合规要求；2) 无任何外部 API 调用（除非用户主动接入大模型），断网也能用；3) 无数据库依赖，避免数据泄露风险。五、扩展接口模块：1) 内置 LLM 接口预留，未来可平滑升级为 RAG（检索增强生成）模式，结合大模型输出更自然、更准确的回答；2) 检索核心函数可独立调用，便于二次开发；3) 支持接入 PDF / Word 文档（扩展 pypdf / python-docx）。六、技术亮点：1) 检索核心完全自研——从分词、词频统计、IDF 权重到余弦相似度全部由 Python 字典 + Counter 实现，无任何外部检索库依

我在本项目中担任全栈开发角色，独立完成从需求分析、架构设计、核心算法到界面实现的全部工作。技术栈：Python 3.13 + Streamlit 1.62 + jieba 0.42 + TF-IDF 自研检索算法。项目架构：采用三层架构。表现层用 Streamlit 构建响应式 Web 界面，左侧知识库管理、右侧对话窗口；业务层用 st.session_state 管理会话状态和问答历史；算法层封装自研的 TF-IDF 检索引擎。整个项目单文件实现（app.py 约 200 行），结构清晰、易于维护。关键实现细节：1) 分词——用 jieba.cut 对中文文本精确模式分词，正则过滤标点，仅保留中英文 / 数字；2) 索引构建——遍历所有段落统计词频 TF，计算 IDF 权重 log((N+1)/(df+1))+1，构建 TF-IDF 稠密特征向量；3) 检索——对用户问题分词后与每个段落向量做点积（等价于简化版余弦相似度），按得分排序取 Top-3 作为相关片段返回；4) 界面——st.text_input + on_change 回调实现问答交互，st.chat_message 渲染对话历史，st.file_uploader 支持自定义知识库上传。技术亮点与难点：1) 完全自研检索核心——不依赖 Elasticsearch / FAISS 等外部库，全部用 Python 字典 + Counter 实现，代码可控、便于二次开发和定制优化；2) IDF 加权防过拟合——单纯用词频容易被常见词（如"什么"、"如何"、"可以"）干扰，加入 IDF 后罕见词权重提升，问答精准度大幅提高；3) 中文分词精度——相比英文空格切分，中文需要解决歧义问题（如"研究生物"vs"研究生 物"），jieba 的 HMM 模型可有效处理未登录词；4) 会话状态管理——Streamlit 默认每次