产品核心能力：基于RAG技术整合超2TB内部文档库，通过向量化检索与语义理解实现安全可追溯的智能问答，统一知识口径并构建“查询-反馈-迭代”的闭环知识管理系统。
行业背景：G端及大型政企机构长期受内部知识分散、检索效率低、口径不统一困扰，在数字化转型与信创安全要求下，亟需基于私有化部署的RAG技术实现知识资产盘活与合规利用。
业务背景：某G端部门为破解流程规范、技术手册等海量内部资料“查不到、找不准、用不顺”的痛点，构建专属知识助手，旨在提升日常查询效率、实现知识标准化管理，并通过用户反馈驱动知识库持续进化。
智能制造大脑是一个面向G端部门内部的智能知识助手系统，旨在通过RAG（检索增强生成）技术整合超过2TB的内部文档库，实
现安全、高效的智能问答，从而提升工作效率和知识协作水平。该系统基于流程规范、技术手册、质检标准等内部知识源，利用向
量化检索与语义理解技术，快速定位用户问题中的关键信息，并结合大语言模型生成准确、条理清晰的答案，确保所有内容源于内
部知识库，具备专业性和可追溯性。该系统已帮助机构在多个方面实现价值：一是帮助员工快速获取精准信息，显著提升日常查询
效率；二是通过统一问答口径与标准内容，实现内部知识的标准化管理；三是构建了持续优化的知识循环，通过不断积累用户反
馈，推动知识库的迭代更新，形成良性运作的知识管理系统。
核心职责与成果：
● 使用Mineru 工具转换文档库的文本转换成MarkDown的格式
● 构建 RAG（检索增强生成）实现知识库动态检索
● 使用 LangChain + FastAPI 开发可扩展的智能服务接口与知识交互系统
● 以 Qwen 大模型 为基础,通过vLLM部署
● Rag 调优策略：
1.检索前设计:针对用户模糊查询、口语化提问问题，设计“意图识别 + 查询重写” 双阶段优化方案。通过 LLM 识别核心需求，
自动重写为精准检索 query，提升向量检索召回率 30%+
2. 检索中与检索后优化落地：混合检索优化：融合 BM25 与余弦相似度，解决纯向量检索漏检问题；动态调整 TopK 值，平衡检
索效率与召回效果
3. 假设文档优化：针对检索结果与问题不贴切场景，通过 HDE 技术让 LLM 生成“理想答案文档” 向量，二次检索向量数据库以
补充相关结果
4. 相关性重排：引入 Cross-Encoder 模型对初筛结果重排，过滤无关文档，提升有效信息占比
5. 系统工程化与性能优化：通过 Unsloth 对 LLM 进行轻量化微调，并结合 vLLM 部署提升推理速度；基于 FastAPI封装检索 + 生
成接口，支持高并发请求；优化向量数据库索引结构与分片策略，使检索延迟降低至 100ms 内
6. 效果验证：经全链路优化后，系统问答准确率提升 40%+，模糊查询与低相关性场景的回答贴合度显著改善，成功支撑企业内部
员工咨询、等核心场景。
评论