企业文档agent
项目背景与目标
公司制度、财务规则、产品资料和客服说明分散在多份 PDF 中,员工查询年假、报销流程、试用期、产品接口等内容时需要跨文档查找。普通 RAG 往往只做一次检索,容易出现答案缺少依据、坏文件导致整轮失败、资料不足仍然编造等问题。为此,我参与建设了“企业文档 Agent”,目标是让模型根据问题自主选择检索、读取原文、计算或时间工具,经过多轮“决策—执行—观察”后给出带来源页码的回答,并在证据或权限不足时明确拒答。
核心功能
系统支持单轮问答、多轮对话、流式输出和命令行交互,提供 10 个工具,包括知识库混合检索、文档列表、原文读取、文档预览、旧索引补充召回、关键词提取、索引重建、状态检查、数学计算和当前时间查询。知识检索采用 BM25、向量召回、RRF 排名融合和本地重排;工具调用具备参数校验、重复调用复用、单轮调用上限、结果截断和运行轨迹记录。此外,系统还提供 12 个黑盒验收场景,用于检查事实正确性、引用来源、缺失证据和机密文档权限。
业务流程
用户输入问题后,Agent 将问题写入会话上下文并交给模型。模型判断是否需要工具:需要检索时调用 search_knowledge_base,需要细节时调用 read_chunk,需要计算或时间时调用对应工具。执行结果以 tool 消息回填上下文,模型继续推理,直到给出最终回答或达到 6 步上限。系统在回答中要求使用 [n] 标注来源;没有相关资料时说明证据不足,遇到机密、薪酬或他人隐私时拒绝披露。评测模块则按“测试用例—启动候选程序—收集回答—校验引用与权限—输出报告”的路径独立运行。
人工智能