AInova 企业级智能问答与知识助手

AInova 是一套面向企业内部的私有化智能知识问答平台。它解决了传统企业文档检索难、员工提问效率低的问题。系统支持多模态文件（PDF、Word、Excel）的自动解析，并利用大语言模型为企业员工提供“千人千面”的精确问答服务。

产品主要包含以下核心模块：

多轮对话与流式输出： 用户在 Web 端/移动端发起提问，系统不仅返回答案，还支持 SSE（Server-Sent Events）打字机效果，极大地提升了用户的交互体验。

企业私有知识库（RAG）： 支持管理员上传企业内部的制度文档、技术手册、产品说明。系统在回答时会强制检索私有知识库，结合大模型能力生成答案，有效避免了大模型的“幻觉”问题。

多模型路由接入： 底层对接了 DeepSeek、通义千问（Qwen）、OpenAI 等多个主流大模型接口。用户可以在前台自由切换模型体验，系统根据模型能力动态调整 Prompt 提示词。

插件生态与联网搜索： 支持内置的联网搜索插件，当知识库无法满足需求时，系统自动通过搜索引擎补充实时信息，并打上来源引用标识。

用户管理与会话历史： 分普通员工、部门经理、系统管理员三级权限。所有对话记录持久化存储，支持以时间线维度回溯历史问答。

业务中台与大模型网关：
采用 Spring Boot 3 + WebFlux 构建高并发的网关层，负责处理前端（Vue3 + TypeScript）发起的流式请求。利用 Spring AI 框架进行不同大模型接口的标准化封装，实现了多模型热切换。在网关层引入 Redis 进行对话上下文的缓存，单次对话可携带 16K Token 的长文本历史记录。

RAG 检索增强生成架构（核心亮点）：

数据流转： 上传的 PDF/Word 文件先通过 Apache Tika 进行文本解析和清洗，剔除页眉页脚等噪音。
向量化与存储： 调用 BGE-M3（多语言向量模型）将文本切分为 Chunk 并生成 Embedding 向量，存入 Elasticsearch (ES) 向量数据库。
混合召回： 回答问题时，系统采用 关键词匹配 + 向量相似度检索的混合召回策略，将召回率提升至 95% 以上，将检索到的相关文本片段注入到大模型的 Context 上下文提示词中。
流式响应与异步非阻塞：
为了应对大模型生成速度慢导致的请求阻塞，系统后端采用 Project Reactor 的响应式编程模型。前端通过 EventSource 接口建立 SSE 长连接，后端将大模型返回的 Token 实时推送给前端，实现了丝滑的“打字机”效果。

系统稳定性与限流熔断：
大模型调用是昂贵的操作。引入了 Sentinel 进行流量控制，针对不同用户的提问频率进行削峰填谷；同时引入 Resilience4j 进行熔断，当某一个大模型渠道超时或报错时，系统能快速降级，避免拖垮整个问答服务。

监控与成本控制：
搭建了专门的监控大盘（Prometheus + Grafana），实时统计每个接口的 Token 消耗量、响应延时、以及 RAG 检索成功率。通过日志采集将大模型的提问与回答存入 ClickHouse 中，方便后续进行模型微调数据的清洗与积累。