面向企业内部员工的智能问答工具，将分散的制度文档、FAQ、操作手册接入大模型，通过检索增强生成（RAG）输出可溯源答案，降低 HR/IT 客服的重复咨询量。1. 知识库管理：多格式文档（Word/PDF/Excel/Markdown）上传、解析、向量化入库，支持增量更新与权限隔离；
2. 智能问答：自然语言提问，基于检索增强生成答案，答案附带原文出处引用，可点击溯源；
3. 多轮对话：支持上下文追问与历史会话管理；
4. 效果运营：未命中问题收集、人工标注反馈、检索与回答质量报表；
5. 管理后台：知识库配置、切分参数与召回阈值调优、模型与 Prompt 模板管理。
本人独立完成从 0 到 1 的 RAG 链路搭建，技术栈为 Python + FastAPI + 向量数据库 + 大模型 API。核心工作：① 文档语义切分策略（按标题层级 + 滑动窗口，表格单独处理），解决长文档截断与上下文丢失；② 召回 + 重排两阶段检索调优，提升答案相关性；③ Prompt 工程上采用「检索片段强约束 + 出处标注 + 未知拒答」三段式模板，将无依据编造率压至 10% 以下；
本人为服务核心开发与维护者，技术栈 Java + Spring Boot + LibreOffice 转换 + Redis 缓存 + Nginx，支持容器化部署。核心贡献：① 设计异步转换流水线，通过任务队列 + 资源隔离 + 失败重试 + 超时熔断，将大文件/复杂格式转换成功率提升至 95%；② 转换结果缓存 + Nginx 分发，二次预览 P95 耗时 < [X] ms；③ 预览 URL 采用时效签名 + 权限双重校验，杜绝文档越权访问。④通过 Redis 维护 20 条消息的上下文窗口，供 LLM 调用时毫秒级加载；并将完整对话内容持久化到 MySQL。
评论