企业可插拔式 RAG 知识库问答系统产品系统Vibe Coding

企业内部积累了大量制度文档、产品手册、技术资料，员工查找信息依赖人工翻阅，效率低且新员工上手慢。本项目面向中小企业，解决"文档多、问人烦、搜索不准"的问题，让员工用自然语言提问，系统基于企业文档自动给出答案并附来源出处。

1. 文档管理：支持 Markdown / PDF / Word 上传，自动解析与智能分块；
2. 智能问答：Web 对话界面，基于企业知识库回答问题，支持多轮对话；
3. 混合检索：BM25 关键词 + 向量语义混合召回，LLM 重排精排；
4. 来源溯源：每条回答附带来源文档片段与相关度分数，可审计不瞎编；
5. 多种分块策略：定长 / 标题层级 / 语义分块，按文档体裁自动选择；
6. 私有化部署：Docker Compose 一键部署，支持 Milvus 向量库持久化。

在线演示：http://43.166.0.170:8080（上传一份员工手册即可体验）
源码地址：https://github.com/DevinHeCoder/rag_engine

独立完成全栈开发。采用"抽象基类 + 注册表"的可插拔架构，文档解析、分块、召回、重排、LLM 五层均接口化，新增实现只需加一个装饰器。后端 FastAPI + Pydantic，向量层支持内存索引与 Milvus 服务端两种模式，前端为深色企业级单页应用。工程侧含 180+ 单元测试，Milvus 全量 mock，Docker 一键部署。