RAG 知识库智能问答 Agent

1:传统大模型存在知识截止、容易产生幻觉，无法精准调用私有业务资料。本项目搭建私有知识库问答智能体，将企业文档、技术手册、业务资料入库，让 AI 仅依托上传文档内容作答，用于内部资料咨询、产品文档答疑、技术资料检索场景。
2:核心功能
文档接入：支持 PDF、Word 等格式文档上传、文本解析、自动分段切分；
向量知识库：文本向量化并存入向量数据库，构建私有知识库； 智能检索：用户提问后，执行相似度检索，召回相关文档片段；
智能问答 Agent：结合检索片段 + 提示词工程生成答案，标注引用来源，减少模型幻觉； 对话管理：支持多轮对话、对话历史管理；
拓展能力：支持知识库增删文档、检索参数可调、对外提供 API 接口，支持前端页面接入。

### 技术架构

- 后端语言：Python
- 框架：LangChain 实现 Agent 调度、RAG 链路封装
- 大模型：通用大模型 API
- 向量库：轻量向量数据库
- 文档处理：文本解析、文档清洗、文本分块策略
- 接口服务：FastAPI 提供 HTTP 接口，可供 Web 前端调用

### 整体实现流程

1. **文档预处理阶段**
上传文档 → 解析提取纯文本 → 文本清洗去除无效换行、水印、乱码 → 自适应文本分块；
2. **知识库构建阶段**
文本块调用 Embedding 模型转为向量 → 向量 + 原始文本存入向量数据库；
3. **问答推理阶段**
用户提问 → 问题向量化 → 在向量库检索相似度最高的文档片段 → 将检索上下文、用户问题组装进 Prompt 送入大模型；
4. **Agent 调度增强**
增加任务判断逻辑，区分问题是否需要检索知识库；无关问题直接回答，避免无效检索；支持多轮对话上下文记忆；
5. **服务封装**
将文档上传、知识库管理、问答能力封装为 API，可对接 Web 页面，支持私有化部署。

### 本人负责工作

独立完成整条 RAG 链路开发，包含文档解析模块、向量存取逻辑、检索策略调优、Agent 提示词设计、异步接口封装、异常处理；针对文档长短、表格文本优化分片策略，优化检索召回精度，降低模型幻觉。