项目概述：开发面向企业知识管理与智能问答场景的本地化 RAG 智能体应用，支持文档自动导入、minerU 智能解析、向量化入库、Elasticsearch 检索、互联网补充搜索与多模型智能对话，配备知乎风格 WebUI，助力企业高效构建私有知识库问答平台。
研发场景：因研学业务中供应商提供的​​基地资料分散杂乱（PDF/Word等）​​，项目人员​​需耗费较多时间去跨文档人肉翻查关键信息​​（如课程报价、安全条款），且​​新员工因不熟悉文档结构常遗漏重要条款等。
关键技术：Python、Elasticsearch（向量数据库）、Gradio（WebUI）、Qwen Agent（大模型智能体）、PyPDF（PDF解析）、LangChain、minerU（高质量文档结构化）
个人收获：
1. 智能文档解析与知识库构建：集成 minerU 实现高质量 PDF/Docx 结构化解析，自动批量导入与分块，提升了知识库数据质量与检索效果。
2. RAG 检索与多模型融合：掌握了通过使用了 Elasticsearch数据库，结合 Embedding 与关键词召回（Elasticsearch bm25）多通道召回的混合检索策略，结合 DashScope/OpenAI embedding 与 Qwen Agent 智能体，实现了本地+互联网双通道问答。
3. WebUI 设计与体验优化：基于 Gradio 实现知乎风格美观界面，支持侧边栏交互与弹窗提示，提升了易用性与可视化体验。
4. 自动化与工程化实践：开发自动数据导入、知识库更新脚本，采用 config.py 集中管理敏感信息，规范依赖与安全配置，提升了项目可维护性。
项目业绩：
1. 资料孤岛打通​​：自动解析多源文件，构建统一知识库（​​消灭80%重复整理工作​​）
2. 查询效率飞跃​​：输入自然语言(如 某基地小学课程人均报价？)，​​平均10秒内定位答案段落​​（​​对比人工查询时间不定​​）
3. 知识零损耗传递​​：基于语义理解直接输出结论（如合同条款解读），​​新人上岗即获专家级信息支撑​