返回项目列表
Case Study / 08
co11ap5e_enterprise_rag（企业智能知识库平台）
基于 RAG 架构的企业知识库问答系统，支持多格式文档解析、向量检索、知识库管理与 LLM 生成带依据的回答，提供 REST API 接入。
Background
项目背景
构建一个可落地的 RAG 知识库平台：文档上传解析 → 切片 → Embedding 向量化 → 语义检索 → 交给 LLM 生成带依据的回答，覆盖企业知识问答的完整链路。
Responsibility
我的职责
独立完成后端架构与核心模块。 - 支持 PDF / Word / PPT / Excel 多格式文档解析 - 基于 Embedding 向量化与 Qdrant 语义检索 - 实现知识库生命周期管理与检索增强问答 - 基于 FastAPI 提供 chat / documents / knowledge_base REST 接口
Workflow
业务流程
- 01
用户上传文档
- 02
解析文档并切片
- 03
Embedding 向量化存入 Qdrant
- 04
用户提问后检索相关片段
- 05
LLM 结合片段生成带依据的回答
Architecture
技术架构
FastAPI + Uvicorn 提供接口，Qdrant 做向量检索，DashScope 提供 LLM 与 Embedding，SQLAlchemy 管理元数据，PyMuPDF / python-docx / python-pptx / openpyxl 负责多格式解析。
Engineering
工程亮点
- 多格式办公文档解析
- Qdrant 语义向量检索
- 知识库全生命周期管理
- REST API 便于前端 / 客户端接入
Retrospective
项目复盘
RAG 的价值在「检索的质量决定回答的质量」。把文档解析、切片、向量化、检索与生成串成清晰链路后，扩展新文档类型与新检索策略都变得可控。