这是一个基于 RAG (检索增强生成) 架构构建的企业级智能文档问答系统。系统集成了文档解析、语义切片、向量检索、多轮对话状态管理以及前端流式渲染，能够将各类复杂的规范文档（如带有表格、多级标题的 PDF/Word）转化为可交互的动态知识库。
- 📄 动态知识库扩容：支持前端一键上传本地文档，后端自动调用大模型进行版面分析与 Markdown 结构化提取，实时切片并追加至向量数据库。
- 🧠 LangGraph 多轮记忆：底层采用图状态机 (StateGraph) 管理对话上下文，精准理解用户的指代与连续提问。
- ⚡ 流式输出体验 (SSE)：打通后端大模型流式响应与前端 Server-Sent Events，实现丝滑的“打字机”实时输出效果。
- 📊 智能切片与 Markdown 渲染：依据文档标题层级进行语义切块 (Semantic Chunking)，保留表格与列表的上下文结构；前端内置
markdown-it，完美还原复杂国标表格与技术参数。
- Web 框架: FastAPI
- AI 编排: LangChain, LangGraph
- 向量数据库: FAISS (本地化高性能检索)
- 大模型接入: 阿里云通义千问 (DashScope)
- 对话模型：
qwen-turbo - 复杂文档解析：
qwen-long - 向量化模型：
text-embedding-v3
- 对话模型：
- 框架: Vue 3 (Composition API,
<script setup>) - 构建工具: Vite
- 渲染引擎:
markdown-it
.
├── ai-knowledge-base/ # Vue 3 前端工程目录
│ ├── src/
│ │ ├── App.vue # 核心对话与上传组件
│ │ └── ...
│ ├── package.json # 前端依赖配置
│ └── vite.config.js # Vite 配置文件
├── faiss_gb47372_index/ # FAISS 向量数据库持久化目录
│ ├── index.faiss
│ └── index.pkl
├── api.py # FastAPI 后端主服务程序
├── .env # 环境变量配置文件 (存放 API Key)
├── .gitignore # Git 忽略配置
└── README.md # 项目说明文档
🚀 快速启动
1. 环境准备
确保已安装 Python 3.10+。
确保已安装 Node.js (LTS 版本)。
准备好阿里云百炼 (DashScope) 的 API Key。
2. 后端服务部署
在项目根目录下，安装必要的 Python 依赖：
Bash
pip install fastapi uvicorn pydantic python-multipart requests python-dotenv langchain langchain-community langchain-text-splitters langgraph faiss-cpu dashscope
创建 .env 文件并填入你的 API Key：
代码段
DASHSCOPE_API_KEY=sk-你的通义千问APIKEY
启动 FastAPI 后端服务：
Bash
python api.py
后端服务将运行在 http://0.0.0.0:8000
3. 前端服务部署
新开一个终端窗口，进入前端工程目录：
Bash
cd ai-knowledge-base
安装前端依赖：
Bash
npm install
启动 Vite 开发服务器：
Bash
npm run dev
打开浏览器访问 http://localhost:5173/ 即可体验系统。
💡 使用指南
查阅现有知识：系统启动后，直接在底部的输入框中提问（例如：“热失控的判定条件是什么？”）。
上传新文档：点击页面右上角的 ➕ 上传新知识文档 按钮，选择本地的 PDF 或 Word 文件。系统会在后台自动完成解析、切片与入库，完成后即可对新文档进行提问。
📅 未来演进方向
[ ] 将底层 FAISS 替换为 Milvus 或 Qdrant 以支持十亿级向量的高并发检索。
[ ] 引入 OCR 多模态模型 (如 Qwen-VL)，实现对复杂电路图和纯图片 PDF 的问答支持。
[ ] 增加用户鉴权模块 (JWT) 与历史会话的云端持久化存储 (MySQL/PostgreSQL)。