Leo

智能知识库问答系统 — 基于 Spring AI 构建，集成大语言模型、向量数据库和 RAG（检索增强生成）全链路，实现文档驱动的精准问答。 技术亮点 1. 分层记忆设计 借鉴认知科学的分层思路：短期记忆（当前对话上下文） + 实体记忆（用户关键信息持久化到 H2）。每次只加载相关记忆，避免无关历史干扰 LLM 判断。 2. 双模型架构 主力模型 DeepSeek（远程 API）用于生产，Ollama 本地模型用于链路验证和冒烟测试。兼顾性能与开发效率。 3. 分层 RAG 优化 从基础向量搜索逐层叠加：文本清洗 → 递归分块 → LLM 查询重写 → MMR 去重 → 自动元数据分类，每层解决一个具体痛点，不一步到位过度设计。 4. Redis 短期记忆层 对话记忆从项目内存迁移至 Redis，利用 Redis 的 TTL 机制实现短期记忆自动过期，appendonly 持久化保证重启不丢。 5. RabbitMQ 异步处理层 引入 RabbitMQ 将耗时操作异步化：文件上传后先落盘再发 MQ，消费者异步完成清洗→分块→向量化存储；审计日志异步落库不阻塞接口响应。通过 prefetch=1 + max-concurrency=3 控制 LLM API 并发，天然削峰。