个人项目：AIKnowledgeHub 知识库 RAG 系统产品系统

项目面向企业内部文档问答场景，解决企业海量文档难以检索、信息查找低效的问题。支持 PDF/Word 文档上传、文档解析、文本切片、向量入库，基于 RAG 实现知识库问答，适配企业内部资料智能查询需求。

多格式文档上传：支持PDF、Word、PPT、Excel，自动解析、切片、向量化建立知识库，支持扫描版PDF的OCR识别
智能问答：基于检索增强生成（RAG），结合语义检索+关键词检索双路召回，回答附带引用来源，可点击溯源到具体文档
多轮对话与长期记忆：支持上下文追问，可记住用户的长期偏好和关键信息，跨会话生效
Agent智能体模式：支持大模型自主判断是否需要检索、多步调用工具完成更复杂的查询任务
防幻觉机制：知识库无相关内容时自动拒答，不编造答案
多租户与权限体系：支持多企业/多部门数据完全隔离，角色权限、菜单权限精细化管控
用量与成本看板：按对话、按环节统计Token消耗与费用，支持按租户/用户维度核算
后台管理：文档管理、对话记录审计、Prompt在线配置与版本回滚、检索/生成质量评测

技术栈：前端Vue3，网关Fastify(Node.js)，AI服务FastAPI(Python)，数据库PostgreSQL+pgvector，缓存/队列Redis，对象存储MinIO，大模型通过OpenAI兼容协议接入（阿里云百炼）。

架构分三层：前端只负责交互，网关统一处理登录鉴权、限流、请求转发，AI服务专注RAG/Agent核心逻辑、不直接对公网暴露。网关与AI服务之间用HMAC签名+防重放机制做内部信任校验，即使AI服务端口意外暴露也无法被绕过直接调用。

核心问答链路：查询改写（多轮对话消歧）→ 向量检索+关键词检索并行召回 → RRF算法融合排序 → 置信度门控（检索质量不足直接拒答，防止大模型瞎编）→ 流式生成回答 → 引用来源校验。文档处理走异步Worker，避免大文件解析阻塞用户请求，支持失败自动重试。

工程化方面：LLM/Embedding调用均有超时、重试、熔断保护；多租户隔离采用应用层过滤+数据库行级安全（RLS）双重兜底；AI调用按环节（改写/检索/生成）分别记账，支持成本核算；内置检索召回率与生成质量的自动化评测模块。