随着公司业务的快速发展,内部积累了大量以访谈、会议纪要、研究报告等形式存在的非结构化知识资产。这些知识分散存储,难以被有效检索和利用,导致信息壁垒高、知识复用率低,严重制约了顾问的专业能力成长和项目交付效率。为了打破这一困境,我们计划构建一个统一的、智能的知识管理平台,将这些宝贵的知识资产转化为可随时调用、可深度洞察的核心竞争力。
点击空白处退出提示
随着公司业务的快速发展,内部积累了大量以访谈、会议纪要、研究报告等形式存在的非结构化知识资产。这些知识分散存储,难以被有效检索和利用,导致信息壁垒高、知识复用率低,严重制约了顾问的专业能力成长和项目交付效率。为了打破这一困境,我们计划构建一个统一的、智能的知识管理平台,将这些宝贵的知识资产转化为可随时调用、可深度洞察的核心竞争力。
基于RAG(检索增强生成)架构,构建了面向专家访谈内容的企业级知识库问答系统。
系统整合了Elasticsearch稀疏检索、Milvus向量检索、LLM生成等多项AI技术,
实现了高精度的语义检索和智能问答能力。
● 设计并实现了ES+Milvus混合检索系统,结合BM25稀疏检索和向量稠密检索的优势
● 设计了基于LLM的智能检索策略选择系统,根据查询复杂度自动选择最优检索策略
● 基于LangChain实现了智能文本分块与Map-Reduce处理框架
● 设计了动态Token预算管理系统,充分利用模型上下文窗口长度
● 设计了集中式Prompt管理系统,包含10+个精心设计的Prompt模板(清除口语化,修正意图,语义优化,信息脱敏、摘要、数
据洞察、问答对、意图识别、query改写、ai问答)
● 实现了基于SSE的流式输出架构,提升用户体验
● 设计并实现了基于Milvus的向量存储与检索系统
● 实现了高效的Embedding生成与批量处理系统





评论