本科毕业设计项目 | 中国国际大学生创新大赛（2025）产业赛道（中联企业管理集团命题）
一个全栈 RAG 知识库系统，支持用户上传财报 PDF 进行智能问答与分析。核心创新点：混合检索（向量语义 + BM25 关键词加权融合）、AI Agent 多步推理、数据溯源标注。
┌──────────────────────────────────────────────────┐
│ Vue3 + Element Plus │ 前端
│ Pinia 状态管理 + ECharts 可视化 │
└────────────────────┬─────────────────────────────┘
│ REST API + SSE 流式
┌────────────────────┴─────────────────────────────┐
│ FastAPI + Uvicorn │ 后端
│ JWT 认证 + RBAC 权限 + 图形验证码 │
│ ┌──────────┬──────────┬──────────┐ │
│ │ 文档解析 │ 混合检索 │ AI Agent │ 9 个服务 │
│ │ PyMuPDF │ 向量+BM25│ 多步推理 │ │
│ └──────────┴──────────┴──────────┘ │
└────────┬──────────────────────┬─────────────────┘
│ │
┌────────┴────────┐ ┌──────────┴──────────┐
│ MySQL 8.0 │ │ ChromaDB 向量库 │ 数据层
│ (15 张表) │ │ (HNSW, cosine) │
└─────────────────┘ └─────────────────────┘
│ │
└──────────┬───────────┘
│
┌─────────┴─────────┐
│ DeepSeek-V4-Pro │ AI 引擎
│ (双协议兼容) │
└───────────────────┘
| 层级 | 技术 |
|---|---|
| 前端 | Vue3 + Vite + TypeScript + Element Plus + Pinia + ECharts |
| 后端 | Python + FastAPI + Uvicorn + SQLAlchemy 2.0 |
| 数据库 | MySQL 8.0（结构化数据）+ ChromaDB（向量存储） |
| AI | DeepSeek-V4-Pro（OpenAI/Anthropic 双协议自适应） |
| Embedding | BAAI/bge-large-zh-v1.5（sentence-transformers，懒加载） |
| 文档解析 | PyMuPDF + Camelot-py |
| 安全 | JWT + bcrypt + RBAC 四级权限 + 图形验证码 |
- Python 3.10+
- Node.js 18+
- MySQL 8.0
# 创建虚拟环境
python -m venv .venv
source .venv/Scripts/activate # Windows
source .venv/bin/activate # Linux/Mac
# 安装依赖
cd backend
pip install -r requirements.txt
# 配置环境变量（从模板创建）
cp .env.example .env
# 编辑 .env，填入 DEEPSEEK_API_KEY 和数据库密码cd backend
python seed.py
# 创建 15 张表 + 4 个角色 + 默认管理员账号
# 默认管理员：admin / admin123456# 后端 (端口 8000, Swagger: http://localhost:8000/docs)
cd backend
uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload
# 前端 (端口 5173, Vite 代理 /api → localhost:8000)
cd frontend
npm install
npm run devPDF上传 → PyMuPDF文本提取 → 正则切分章节 + Camelot表格提取
→ BGE向量化(1024维) → ChromaDB存储(HNSW, cosine)
→ 用户提问 → 查询改写(规则+LLM双层)
→ 混合检索(向量0.6 + BM25 0.4) → 加权融合
→ 拼接上下文 → DeepSeek流式生成 → SSE推送前端
- 向量检索：BGE embedding → ChromaDB cosine 相似度（权重 0.6）
- BM25 关键词检索：jieba 分词 + 自实现 BM25 索引（权重 0.4）
- 加权融合：按 chunk_id 去重，分数加权叠加，排序取 top_k
- 未选文档：纯 AI 模式，基于 LLM 自身知识直接回答
- 已选文档：RAG 检索增强模式，先检索再生成，标注来源章节和页码
复杂问题自动拆解 → 子问题并行检索 → 交叉验证 → 综合报告生成
| 编号 | 模块 | 核心功能 |
|---|---|---|
| M1 | 文档智能解析引擎 | PDF上传、PyMuPDF文本提取、AI智能分节、表格提取 |
| M2 | 知识库构建与管理 | 向量化(BGE)、混合检索、标签分类、版本管理 |
| M3 | 智能问答与对话 | SSE流式、双模式、溯源标注、5轮多轮对话 |
| M4 | 多步推理 Agent | LLM问题拆解→子任务并行检索→综合报告 |
| M5 | 财报分析仪表盘 | AI智能图表生成、六维雷达图、跨公司对比 |
| M6 | AI 报告生成 | 7章节专业报告、逐节LLM生成、Markdown/PDF导出 |
| M7 | 系统管理 | JWT认证、RBAC四级权限、操作日志审计 |
| M8 | 数据可视化大屏 | 全屏实时监控、60秒自动刷新、KPI卡片 |
Swagger UI: http://localhost:8000/docs
| 路由前缀 | 模块 | 主要接口 |
|---|---|---|
/api/v1/auth/* |
认证 | 验证码、注册、登录、个人信息 |
/api/v1/admin/* |
系统管理 | 用户CRUD、角色管理、操作日志、系统配置 |
/api/v1/documents/* |
文档管理 | 上传、列表、详情、删除、AI智能分节、PDF阅读 |
/api/v1/knowledge/* |
知识库 | 概览、标签管理、向量索引、统计 |
/api/v1/chat/{id} |
智能问答 | SSE流式问答、会话CRUD、历史导出、反馈 |
/api/v1/agent/* |
Agent | 多步推理分析 |
/api/v1/dashboard/* |
仪表盘 | AI图表生成、跨公司对比、可视化大屏 |
/api/v1/reports/* |
报告 | AI生成、列表、详情、PDF下载、批量导出 |
| 表名 | 说明 | 核心字段 |
|---|---|---|
| users | 用户 | id, username, password_hash, email, status |
| roles | 角色 | id, name, permissions(JSON) |
| user_roles | 用户-角色关联 | user_id, role_id |
| documents | 文档元数据 | id, file_name, company_code, fiscal_year, parse_status |
| chunks | 文档分块 | id, document_id, chunk_type, section_title, content, chroma_id |
| financial_metrics | 财务指标 | id, document_id, metric_name, metric_value, yoy_change |
| sessions | 对话会话 | id, user_id, session_title |
| messages | 对话消息 | id, session_id, role, content, sources(JSON) |
| feedbacks | 消息反馈 | id, message_id, rating, reason |
| tags | 标签 | id, name, color |
| document_tags | 文档-标签关联 | document_id, tag_id |
| operation_logs | 操作日志 | id, user_id, action, target_type, detail(JSON) |
| system_settings | 系统配置 | id, setting_key, setting_value |
| reports | 生成报告 | id, user_id, company_code, content_md, file_path |
| document_versions | 文档版本 | id, document_id, version_number, file_path |
- LLM 双协议：
llm_service.py根据 base_url 自动选择 OpenAI SDK 或 Anthropic SDK - Embedding 懒加载：BGE 模型 2GB，首次使用时加载，后续复用全局实例
- ChromaDB 持久化：向量数据存磁盘，服务重启不丢失
- BM25 自实现：80 行代码实现完整 BM25 算法，jieba 中文分词
- 双重错误处理：异常时 rollback + 重查，状态不卡在中间态
- 图形验证码：pillow 自生成，5 分钟过期，一次性校验，防暴力破解
backend/
├── .env.example # 环境变量模板
├── requirements.txt # Python 依赖
├── seed.py # 数据库初始化
├── uploads/ # PDF 文件存储
├── chroma_data/ # ChromaDB 向量数据
└── app/
├── main.py # FastAPI 入口
├── core/ # config, database, security
├── models/ # 7 个 ORM 模型文件
├── schemas/ # Pydantic 校验
├── middleware/auth.py # JWT + RBAC
├── utils/captcha.py # 图形验证码
├── routers/ # 8 个路由模块
└── services/ # 9 个服务模块
frontend/
└── src/
├── router/ # 20+ 路由 + 登录守卫
├── stores/user.ts # Pinia 状态
├── utils/request.ts # Axios 封装
├── api/ # 6 个 API 模块
├── components/layout/ # 主布局
└── views/ # 15 个页面视图
| # | 算法 | 应用位置 |
|---|---|---|
| 1 | BM25 | 关键词检索排序 |
| 2 | 加权融合排序 | 混合检索结果合并 |
| 3 | 余弦相似度 | ChromaDB 向量检索 |
| 4 | HNSW | ChromaDB 近似最近邻搜索 |
| 5 | jieba 中文分词 | BM25 索引构建 |
| 6 | RAG 检索增强生成 | 问答核心流程 |
| 7 | 查询改写（Query Expansion） | 规则词典 + LLM 改写 |
| 8 | Agent 多步推理 | 问题拆解→并行检索→综合 |
| 9 | Bcrypt 密码哈希 | 用户密码存储 |
| 10 | JWT HS256 | 身份认证 |
| 11 | SHA256 | 文件去重 |
| 12 | 正则表达式匹配 | 财务指标提取、章节切分 |
| 13 | 雷达图归一化 | 六维财务健康度评估 |
本项目为本科毕业设计作品，仅供学习参考。