业务和功能介绍
通过引入知识图谱，我们的菜谱搜索系统将具备：
- 结构化知识表达：以图的形式显式编码实体间的语义关系
- 增强推理能力：支持多跳推理和复杂关系查询
- 智能查询路由：根据查询复杂度自动选择最适合的检索策略
- 事实性与可解释性：基于图结构的推理路径提供可追溯的答案
极大的拓展大语言模型的能力，用较小的模型+知识图谱就可以实现超大参数模型的推荐能力。而且通过对大语言模型的量化和部署，可实现本地快速的推理，而不依赖云端网络。
- 结构化知识表达：以图的形式显式编码实体间的语义关系
- 增强推理能力：支持多跳推理和复杂关系查询
- 智能查询路由：根据查询复杂度自动选择最适合的检索策略
- 事实性与可解释性：基于图结构的推理路径提供可追溯的答案
极大的拓展大语言模型的能力，用较小的模型+知识图谱就可以实现超大参数模型的推荐能力。而且通过对大语言模型的量化和部署，可实现本地快速的推理，而不依赖云端网络。
项目实现
关键技术
1. 图数据准备模块 (GraphDataPreparationModule)
- 功能：连接Neo4j数据库，加载图数据，构建结构化菜谱文档
- 特点：支持图数据到文档的智能转换，保持知识结构完整性
2. 向量索引模块 (MilvusIndexConstructionModule)
- 功能：构建和管理Milvus向量索引，支持语义相似度检索
- 特点：使用BGE-small-zh-v1.5模型，512维向量空间
3. 混合检索模块 (HybridRetrievalModule)
- 功能：传统的混合检索策略，结合向量检索和关键词查询
- 特点：双层（dual level)检索（实体级entity+主题级topic），向量检索
4. 图RAG检索模块 (GraphRAGRetrieval)
- 功能：基于图结构的高级检索
- 特点：支持多跳推理、子图提取、实体关系识别、相似实体聚类
5. 检索结果融合重排(Reranker):
- 功能：对检索结果按照与query的相关性排序
- 特点：使用bge-reranker-base模型
6. 智能查询路由 (IntelligentQueryRouter)
- 功能：分析查询特征，自动选择最适合的检索策略
- 特点：LLM驱动的查询分析，动态策略选择
7. 查询重写(QueryRewrite)
- 功能：对用户的问题重写，减少口语化和模糊的表达，增强检索效果
- 特点：LLM驱动
8. 生成集成模块 (GenerationIntegrationModule)
- 功能：基于检索结果生成最终答案
- 特点：支持llm api调用(e.g. kimi) 和 llm model(e.g. qwen25-7b-instruct)两种方式
我负责全项目整个模块的搭建和demo开发和测试
1. 图数据准备模块 (GraphDataPreparationModule)
- 功能：连接Neo4j数据库，加载图数据，构建结构化菜谱文档
- 特点：支持图数据到文档的智能转换，保持知识结构完整性
2. 向量索引模块 (MilvusIndexConstructionModule)
- 功能：构建和管理Milvus向量索引，支持语义相似度检索
- 特点：使用BGE-small-zh-v1.5模型，512维向量空间
3. 混合检索模块 (HybridRetrievalModule)
- 功能：传统的混合检索策略，结合向量检索和关键词查询
- 特点：双层（dual level)检索（实体级entity+主题级topic），向量检索
4. 图RAG检索模块 (GraphRAGRetrieval)
- 功能：基于图结构的高级检索
- 特点：支持多跳推理、子图提取、实体关系识别、相似实体聚类
5. 检索结果融合重排(Reranker):
- 功能：对检索结果按照与query的相关性排序
- 特点：使用bge-reranker-base模型
6. 智能查询路由 (IntelligentQueryRouter)
- 功能：分析查询特征，自动选择最适合的检索策略
- 特点：LLM驱动的查询分析，动态策略选择
7. 查询重写(QueryRewrite)
- 功能：对用户的问题重写，减少口语化和模糊的表达，增强检索效果
- 特点：LLM驱动
8. 生成集成模块 (GenerationIntegrationModule)
- 功能：基于检索结果生成最终答案
- 特点：支持llm api调用(e.g. kimi) 和 llm model(e.g. qwen25-7b-instruct)两种方式
我负责全项目整个模块的搭建和demo开发和测试
示例图片视频
相似推荐
售后服务管理系统
本套售后管理系统，是深度贴合制造业一线业务场景的轻量化协同工具。它无需推翻企业现有管理体系，不依赖高额定制开发，无缝衔接金蝶ERP，精准填补现场业务与后端管理系统的衔接空白，用最小成本实现售后管理数字化升级。
系统适用对象覆盖全生态售后相关角色，包括企业售后部全体人员、销售人员、授权经销商及合作电工，不同角色配备专属操作入口与功能权限，操作简单易上手，无需复杂培训即可快速落地使用。
在登录方式上，系统采用双端适配模式：内部售后、销售人员通过企业微信工作台登录，实现PC+移动端协同办公；外部经销商、合作电工通过微信小程序登录，扫码即用、无需安装额外软件，真正做到随时随地办业务，一键操作提效率。
内部AI问答平台
系统集成 AI 知识助手、多模态助手、企业知识库三大核心能力，支持仪表板快速生成、拖拽式大屏搭建、智能报告生成与剧本化编辑，并提供 AI 机器人聊天及自定义指标配置，打造覆盖智能交互、数据分析与可视化应用的全链路企业级平台。
证券H5积分商城系统
作为前端核心开发，我的任务是主导积分商城的前端架构设计，并独立负责商品展示、积分兑换、订单管理等核心模块的开发。关键目标是打造一个稳定、流畅且用户体验良好的H5应用，并确保与券商APP原生环境无缝集成。
批量数据处理与自动化运维脚本开发
本项目为批量数据处理与自动化运维脚本工具，旨在解决企业日常工作中大量重复的数据处理、运维操作问题，通过 Python 自动化脚本，实现数据采集、批量导出、定时任务、日志监控等功能。工具核心功能包括：1. 多源数据采集，支持 Excel/CSV/ 数据库等多格式数据自动提取；2. 批量数据处理，支持数据清洗、格式转换、报表生成；3. 自动化运维，支持定时任务、服务器监控、日志分析；4. 可视化配置，用户可通过简单配置实现自定义自动化流程，无需代码。工具可广泛应用于财务、行政、运维等多个岗位，大幅提升工作效率，减少人工错误。
AI 多 Agent 自动化办公系统开发
本项目为 AI 多 Agent 自动化办公系统，旨在解决企业日常办公中重复、繁琐的流程化工作，通过大模型驱动的多智能体协同，实现文档处理、智能问答、流程自动化等核心功能。系统核心模块包括：1. 智能文档解析 Agent，支持 PDF/Word/Excel 等多格式文件自动提取关键信息、生成摘要；2. 流程自动化 Agent，可自定义工作流，自动执行数据录入、报表生成等任务；3. 智能问答 Agent，基于企业私有知识库，提供精准的业务咨询服务。用户可通过可视化界面快速配置 Agent，无需代码即可搭建专属自动化办公系统，大幅提升办公效率，降低人力成本。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服