阿斯利康中国（AZC）企业知识库与 MindSearch 智能助手
为解决企业“数据丰富但知识匮乏”的核心痛点，本项目旨在构建一个统一的企业级知识管理与智能应用平台。项目以China Knowledge Platform（CKP）作为后端知识底座，集中管理公司所有显性与隐性知识资产；以MindSearch智能助手作为前端交互入口，为员工提供自然语言交互的智能知识查询服务。我作为核心Java开发工程师，主导了MindSearch智能体的总体设计与关键功能实现，最终将员工获取知识的效率提升了50%以上，问题平均解决时间缩短60%，显著推动了企业的数字化转型。
技术实现：
1.后端核心架构： 采用 SpringBoot 3.x + WebFlux 响应式编程框架构建高并发、高性能的后端服务，集成 MyBatis-Plus 进行数据持久化操作，使用 Kafka 处理异步消息，Redis集群 保障缓存与会话性能，OSS对象存储 管理非结构化文档。
2.智能检索与问答： 核心采用 RAG（检索增强生成） 技术路线。通过向量化技术实现语义检索，结合传统关键词检索，形成“多路召回+混合检索”策略，精准定位知识片段。随后将检索结果注入大模型，生成精准、可信的答案。
3.前端与集成： 使用 Vue.js 开发PC端管理界面，并基于企业微信 SDK 进行移动端适配开发，确保员工能在多终端便捷地访问服务。
责任描述：
1.智能体总体设计与核心开发： 负责MindSearch智能服务端的总体架构设计、技术选型与核心流程开发，确保系统的高可用性、可扩展性和稳定性。
2.AI能力集成与功能实现： 深度解析并调用 OpenTrek（阿里云平台，opentrek2.1） 智能体接口，主导实现了 多轮对话记忆与压缩、用户意图识别、查询词条智能改写、大模型拒答与自主回答判断 等关键AI交互功能。
3.多源知识检索与回答生成： 开发并优化了 通识知识库检索 与 上游业务接口调用 的逻辑，并对检索结果进行 总结、提炼与个性化重组，支持 中英文回答 与 联网搜索，最终生成满足用户需求的精准答案。
性能优化与业务赋能： 通过代码优化、缓存策略和异步处理，显著提升了系统的响应速度与并发能力，将知识查询效率提升50%以上，直接赋能业务，解决了“找知识难”的实际问题。