企业级多模态智能问答中台-Multimodal Agentic RAG (智能体检索增强系统)

立项背景与目标：
针对传统 RAG 系统在处理“图文混合文档”时无法识别图片内容，以及面对“复杂逻辑问题”时回答准确率低的痛点，本项目旨在构建一个生产级、多模态、具备推理能力**的企业知识问答中台，助力企业将非结构化文档（PDF/Word）转化为可交互的智能资产。

核心功能与业务流程：
1. Agentic RAG (智能体检索)**：基于 LangGraph 构建了具备“自我反思”能力的 Agent 状态机。
意图路由：精准区分闲聊/问答，避免资源浪费。
自我评估 (Self-Reflection)：Agent 会对检索结果进行质量打分。如果发现相关性不足（Score < 0.8），会自动触发查询改写 (Query Rewrite) 并重新检索，直到找到满意答案或达到重试上限。
动态规划：针对复杂问题，自动拆解为多个子任务并行执行。
2. 多路混合检索 (Hybrid Search)**：
摒弃单一的向量检索，采用 Vector (语义) + BM25 (关键词) + Rerank (重排序)的黄金组合。
引入 Cross-Encoder 模型进行二次精排，像“阅卷老师”一样剔除伪相关文档，检索准确率提升至 89%。
3. 全链路多模态 (Multi-modal)：
集成 VLM (视觉大模型)，不仅能读懂文本，还能理解 PDF 中的图片、图表，实现真正的“图文跨模态检索”。
4. 生产级异步架构：
利用 Celery + Redis 构建高并发流水线，实现 GB 级大文件的异步解析与后台向量化，确保前端操作零卡顿。

整体架构与设计思路：
项目采用前后端分离架构。后端基于 FastAPI + LangChain 生态，使用 Celery + Redis 处理耗时的文档解析任务（支持 500+ 页文档异步处理）；前端采用 React + Ant Design Pro 构建响应式管理后台。核心检索层引入 ChromaDB 作为向量库，并集成了 Cross-Encoder 重排序模型以保障精度。

我负责的模块与成果（量化）：
1. Agent 核心引擎开发：设计并实现了基于 LangGraph 的状态机，支持“意图识别-查询改写-HyDE增强-多路召回”的全链路思考过程。实测复杂问题拆解准确率提升 40%。
2. 检索策略优化：主导设计了“向量(Dense) + 关键词(Sparse) + 重排序(Rerank)”的三路混合检索算法，将 Top-5 召回率从 65% 提升至 89%。
3. 多模态融合：攻克了图片内容不可被检索的难题，引入视觉模型生成图片描述索引，实现了95% 准确率的图文混合检索。

遇到的难点、坑与解决方案：
难点 1：短查询语义匹配差。用户常问“推荐几款”这类短句，传统向量检索效果极差。
解决方案：引入 HyDE (假设性文档嵌入) 技术，先让 AI 生成一个“虚拟完美答案”，用该答案去匹配知识库，显著提升了语义相关性。
难点 2：大文档解析阻塞系统。解析几百页的 PDF 极其耗时，导致 Web 服务超时。
解决方案：重构为异步任务架构，使用 Celery 队列在后台 Worker 进程中处理解析任务，并通过 SSE (Server-Sent Events) 实时向前端推送进度条，彻底解决了卡顿问题。