SRR-文档处理系统产品系统Vibe Coding

香港1823、TMO、RCC三渠道山坡维修申请量巨大，人工登记、分派与回复起草耗时且易错，亟需自动化处理。
项目是一个面向香港政府的 Agentic AI 案件处理系统，自动完成山坡维修申请（SRR）的全流程处理：多格式文档解析、18个字段智能提取、相似案件检索、部门路由、质量评估与双语回复起草，将原本人工数小时的处理流程压缩到分钟级。

1. **输入适配模块**：接收 TXT 邮件、PDF/DOCX 表单、扫描件与图片，支持 ZIP 递归解压与文件类型识别；
2. **字段提取模块**：LLM 按 Schema 做 18 字段 A→Q 提取，Regex 兜底强格式字段，fill_missing 机制跨附件补全；
3. **检索与路由模块**：pgvector + BM25 混合检索匹配相似案件（地理50%/山坡30%/来电者20%加权），SMRIS 责任查询 + GeoInfo 地址校验实现部门智能路由；
4. **质量评估模块**：关键词过滤 → 规则校验 → RAGAS LLM 评判的三级漏斗；
5. **自我修复模块**：Best-of-N 对比 + 四类故障差异化回退（覆盖率不足转 BM25、提取不完整转 LLM Vision 等）；
6. **回复生成模块**：案件 Summary 生成 + 按政府 Reply Slip V02 格式起草中英双语回复；
7. **前端交互模块**：React 聊天机器人，SSE 流式输出、多文件批量上传、对话历史管理。

本人独立主导系统架构与全栈交付：**
- 设计 7 层 Agentic 架构与 PostgreSQL + pgvector 数据库，实现三层记忆系统（TaskState / SessionState / Domain 修正反馈）；
- 构建多格式文档解析流水线（PyMuPDF / OCR / 视觉分析）与 Schema 驱动字段提取；
- 实现混合检索、加权重排与部门路由；开发三级质量评估与自我修复机制；
- 开发 React 前端与 SSE 流式接口；Docker 全栈容器化部署；
- 迭代 Prompt Engineering 将文档处理准确率从 82% 提升至 95%，优化 Token 缓存使 API 成本降低 25%。

**技术栈**：Python、FastAPI、React、PostgreSQL、pgvector、ChromaDB、LangChain（ReAct）、RAGAS、OCR / LLM Vision、Docker、Azure、GPT-4 / Claude。

## 四、架构与实验亮点、难点

亮点：
1. **检索层创新**：向量语义检索与 BM25 关键词检索融合，按业务字段加权（地理位置50%），兼顾"意思相近"与"编号精确"两类匹配需求；
2. **质量闭环**：评估漏斗 + 自我修复 + 用户修正回流的 Domain 记忆，形成"处理→评估→学习"的持续优化循环，这是系统从 demo 走向生产可用的关键。

难点：
1. **扫描件噪声大**：OCR 错误导致 LLM 字段提取不稳定——用三级评估先检出质量问题，再触发差异化回退策略解决；
2. **字段跨文件分布**：来电者信息、地址、图则往往分散在多个附件——设计 fill_missing 多文件补全与回溯机制；
3. **政府格式强合规**：回复必须符合 Reply Sli