企业级知识库建设

一、概述1.1 定位与目标企业级智能知识库系统通常结合了RAG检索增强生成和知识图谱技术旨在为垂直领域如电子产品手册、维修指南、技术文档等提供精准、智能的知识检索与问答服务。核心目标将非结构化文档PDF、Markdown转化为可检索的结构化知识通过多路召回策略提升检索准确率利用知识图谱实现实体关系推理提供流畅的流式问答交互体验1.2 核心功能与特性功能模块描述文档智能导入支持 PDF/Markdown 文件上传自动解析、切分、向量化知识图谱构建LLM 自动抽取实体和关系构建领域知识图谱混合向量检索稠密向量 稀疏向量BM25混合检索多路召回融合向量检索 知识图谱查询 HyDE Web 搜索智能重排序Reranker 模型重排序断崖检测动态截断流式问答SSE 实时推送逐字输出答案会话历史管理MongoDB 存储对话历史支持上下文连续对话1.3 适用场景产品手册问答电子产品使用说明、维修手册等技术文档检索API 文档、开发指南、FAQ 等企业知识库内部制度、操作规范、培训资料等售后客服支持产品故障排查、使用指导等二、系统架构2.1 整体架构图2.2 核心模块模块职责技术实现API 层HTTP 接口暴露、请求路由FastAPI UvicornProcessor 层业务流程编排、节点调度LangGraphTools 层工具函数封装、外部服务调用Python 模块数据层数据持久化、检索Milvus / Neo4j / MongoDB / MinIO2.3 知识库构建数据流程图2.4 知识库查询数据流程图三、知识库构建技术栈类别技术选型版本/说明后端框架FastAPI Uvicorn异步高性能 HTTP 服务工作流引擎LangGraph有状态图编排框架大语言模型阿里云 DashScope (Qwen)qwen-flash / qwen3-vl-flash向量嵌入OpenAI API (text-embedding-v4) BGE-M31536维 / 1024维稀疏重排序模型BGE-Reranker-Large本地部署向量数据库Milvus混合检索稠密稀疏图数据库Neo4j Community知识图谱存储与查询文档数据库MongoDB对话历史存储对象存储MinIO文件与图片存储PDF解析MineRUPDF 转 Markdown前端HTML5 JS无框架轻量实现