电商团队日常积累大量商品手册、售后SOP、活动规则、平台政策、培训资料和内部方案文档，但分散在网盘/群文件/Word/PDF里，运营客服查规则慢、新人培训靠口传、活动方案起草重复劳动多。该项目用RAG把私有资料做成可问答知识库：上传资料后由Embedding向量化入库，用户用自然语言提问，系统检索相关片段并交给大模型生成带引用的答案或落地方案，降低人工翻文档成本，避免大模型只靠通用知识“瞎编”。后端用Python+LangChain编排检索生成链路，PostgreSQL存业务/元数据，Redis做语义缓存与Embedding缓存，Linux部署Uvicorn服务。
01.资料上传与知识库管理：支持运营/客服上传商品、售后、规则、培训类文档；按店铺/类目/岗位建知识空间，支持资料列表、删除、重建索引、去重与版本管理。
02.文档解析与切分：文本清洗、按规则分块、重叠窗口切分，生成chunk元数据（来源、标题、页码、更新时间）；不同资料类型走对应Loader。
03.向量化与检索：Embedding模型把问题和企业资料转向量，向量检索召回相关片段；可扩展关键词+向量混合检索、Rerank重排，提升电商专有名词命中率。
04.对话提问与多轮：用户问“这个品类退换货怎么处理”“双11满减怎么搭方案”，系统带历史上下文检索并生成回答；支持流式输出、答案引用来源回溯。
05.方案生成：基于检索到的促销规则、毛利区间、历史活动、客服话术，输出活动配置建议、话术模板、FAQ、培训要点，可二次编辑后导出。
06.用户与权限：多用户/多会话，管理员管知识库与成员，普通员工按知识空间问答；操作日志、提问日志留痕。
07.缓存与性能：Redis缓存相同问题语义结果、缓存Embedding减少模型调用；PostgreSQL存会话、用户、资料元数据、引用记录，SQLite可用于本地零依赖开发。
08.管理后台：知识空间配置、模型切换（qwen-plus/max/turbo）、分块参数、检索TopK、缓存开关、用量统计、异常问答复核。
后端Python按服务化组织：文件上传服务做格式解析与元数据入库；索引服务用LangChain文本分割器按chunk_size/overlap切分，调用百炼text-embedding-v2生成向量，向量与原文chunk存入PostgreSQL（JSONB存引用、GIN加速）或切换向量扩展/独立向量库，开发环境可用SQLite零依赖启动；检索服务接收问题后做Embedding→向量召回→可选BM25关键词混合→Rerank→拼装Prompt；生成服务通过DashScope OpenAI兼容端点调qwen-plus/qwen-max/qurbo，Uvicorn暴露REST/SSE接口，返回答案与引用片段。
数据层用SQLAlchemy抽象，环境切换只改DATABASE_URL：本地sqlite+aiosqlite，生产postgresql+asyncpg，业务代码不改动； Redis承担三类缓存——语义缓存对相似问题直接返回、Embedding缓存避免重复向量化、会话/限流缓存提升并发；PostgreSQL存用户、知识空间、文档、chunk元数据、会话、消息、引用、审计日志。多轮对话用会话历史窗口拼接，敏感问题走安全提示与拒答规则。
前端全栈部分按仓库实际：若React/Vue就用TypeScript调后端问答接口，做知识库上传页、会话页、引用抽屉、方案导出；若UniApp/小程序做移动问答；若Streamlit做内部演示。部署在Linux，Uvicorn/UVicorn+Supervisor或Docker起后端，Nginx反代API与后台，PostgreSQL主库+Redis持久化，资料重建索引用异步任务，问答高峰可把检索、Embedding、生成分开扩容。
评论