数智阳明产品系统Vibe Coding

是文献数字化整理的数据库，也是以历史学为本位的知识库，开发了各类服务学术、教学、地方社会的各类智能体，是一个综合性的人工智能文献、知识、智能、个人数据库平台。收录资源涵盖王阳明本人著述、历代注疏、相关传记及心学研究文献，同时兼及王阳明事功之地南赣地区特色历史文化的文献，提供多维度的检索功能和多元化的检索增强

1古籍智能数字化（OCR识别）：平台内置针对古籍文献优化的高精度OCR识别引擎，专门解决繁体字、竖排排版、异体字及无标点古籍的识别难题。用户可上传古籍图像，快速将其转化为可检索、可编辑的数字文本，大幅降低古籍整理与阅读的门槛。

2多维度智能检索系统：提供“常规检索”、“高级检索”与“AI语义检索”三位一体的搜索模式。不仅能实现精准的关键词匹配，还能通过AI深层语义理解，跨越字面限制，精准定位海量文献中的关联知识与目标内容。

3AI智能体与知识库：针对学术研究、高校教学等场景开发了各类垂直领域AI智能体。通过构建知识图谱，提供文献自动摘要、深层知识关联与智能问答服务，深度辅助学术科研。

4综合性文献与个人图书馆：全面收录王阳明著述、历代注疏及南赣地区特色文化文献。同时提供完善的在线工具，支持用户建立专属的个人图书馆，实现文献的收藏、批注与个性化管理。

1、“我”负责哪些具体任务？
我主要负责古籍文献OCR识别模块、知识库数据处理以及智能问答系统 (RAG) 的后端集成。具体包括：

开发古籍图像上传与异步识别任务调度接口，对接底层 OCR 引擎，实现繁体竖排古籍的数字化。

负责文献的数据清洗与结构化处理（繁简转换、标点恢复、生僻字纠错）。为了支持问答，我还设计并实现了文本智能分块（Chunking）算法，将长篇文献切分为带有上下文语义的段落。

集成向量化模型与向量数据库，实现文献特征向量的存储与高效相似度检索。

开发知识库问答（RAG）接口，对接大语言模型，并实现基于 SSE (Server-Sent Events) 的流式打字机效果输出，支撑前端“与馆藏文献对话”模块的落地。

2、项目使用了哪些技术栈、架构，实现上亮点、难点？
技术栈：基于 Java Spring Boot 框架构建后端，结合 MyBatis-Plus、Redis，引入 Spring AI (或 LangChain4j) 框架简化大模型对接，底层集成向量数据库（如 Milvus 或 RedisSearch）提供语义检索支持，使用 RabbitMQ 进行耗时任务的异步解耦。
架构与亮点：

亮点：成功落地了 RAG 架构，使得 AI 的回答完全基于馆藏真实古籍，极大地降低了通用大模型的“幻觉”现象；通过 SSE 长连接技术，实现了类似 ChatGPT 的流式流式打字机输出，大幅提升了用户的交互体验；针对古籍专门优化了 Prompt 模板，实现了如“提取人物关系”、“梳理事件脉络”等高级知识图谱抽取功能。

难点：古籍文献缺乏现代标点且大量存在双行小字夹注，导致 OCR 后的文本直接进行分块极易切断上下文语义。必须在 Java 层设计复杂的正则匹配与版面还原算法，才能实现精准的语义分块；此外，大模型接口响应较慢，需要设计复杂的异步任务队列和超时重试