1. 立项原因:企业的制度、产品手册和业务资料分散在各个部门,员工找资料费时间,问同事也不一定问得准;直接用通用大模型又会编造答案,还可能把敏感资料泄露给无权查看的人。
2. 业务场景:员工用自然语言查询公司制度、产品参数、销售政策和技术支持资料,系统按提问人的部门控制可见范围,每个回答都标注出处,可以追溯到原文的版本和章节;资料里没有的内容明确拒答。适用于员工自助问答、新人培训、销售和客服查资料等场景。
点击空白处退出提示
1. 立项原因:企业的制度、产品手册和业务资料分散在各个部门,员工找资料费时间,问同事也不一定问得准;直接用通用大模型又会编造答案,还可能把敏感资料泄露给无权查看的人。
2. 业务场景:员工用自然语言查询公司制度、产品参数、销售政策和技术支持资料,系统按提问人的部门控制可见范围,每个回答都标注出处,可以追溯到原文的版本和章节;资料里没有的内容明确拒答。适用于员工自助问答、新人培训、销售和客服查资料等场景。
一、功能模块
1. 智能问答:自然语言提问,流式输出回答,每条结论标注出处编号
2. 权限管理:按部门分组控制文档可见范围,管理员可访问全部资料
3. 文档管理:上传、替换、删除文档,支持 PDF、Word、Markdown、TXT,保留版本记录
4. 问答记录与审计:记录每次提问、引用的资料和用户反馈,登录和文档变更有审计日志
5. 效果评测:内置测试问题集,一键检查检索、回答、引用、拒答和权限隔离
二、主要功能
1. 回答带出处:点击编号打开原文,显示文档名、版本、章节和页码
2. 部门权限隔离:销售部员工查不到薪酬制度,人力资源部员工可以查到;无权访问的资料不会进入检索结果,也不会发给大模型
3. 没有依据就拒答:资料中没有相关内容时明确告知,不编造
4. 文档版本更新:上传新版制度后,回答立即改为引用新版本,旧版本保留备查
5. 混合检索:关键词检索和向量检索融合排序,再用重排序模型精排
6. 用户反馈:每个回答可以点赞、点踩并留言,用于持续优化
7. 效果评测:输出检索命中率、回答正确率、引用正确率、拒答正确率和越权次数
一、我负责的工作(独立完成)
1. 方案设计:梳理权限、出处、拒答、版本管理四个核心需求,设计检索与生成流程
2. 文档处理:解析 PDF、Word、Markdown,按章节切分并保留章节路径和页码,Word 表格转为“列名:值”避免丢失表头
3. 检索:SQLite FTS5 关键词检索(中文二元分词)+ 阿里云百炼 text-embedding-v4 向量检索,RRF 融合后用 qwen3-rerank 重排序
4. 生成:qwen-plus 流式生成回答,校验引用编号,资料不足时拒答
5. 后端与前端:Python + Starlette,SSE 流式输出;原生 JavaScript 页面
6. 评测:编写 18 个测试用例,覆盖制度问答、权限隔离和拒答
二、难点和解决办法
1. 权限泄露:权限在检索阶段生效,先算出用户可访问的文档再检索,无权资料不会发给大模型;查看原文接口单独校验权限
2. 大模型编造:提示词要求只依据资料回答并逐条标注出处,重排序分数过低时直接拒答,不调用模型;回答完成后校验引用编号是否真实存在
3. 文档内容注入指令:提示词要求忽略资料中出现的任何指令
4. 制度更新后答案过时:版本化入库,替换时旧版本退出检索但保留记录,整个版本在一个事务内写入
5. 模型接口不稳定:接口失败时自动退回关键词检索,并在回答中提示
6. 安全:密码 scrypt 哈希、登录失败锁定、防跨站请求伪造、上传文件校验文件头





评论