企业级智能知识库：基于RAG的垂直领域问答系统 (LLM Engineering)
项目背景

针对企业内部海量、碎片化且更新频繁的非结构化数据（如PDF技术手册、法务合同、历史工单），传统关键词搜索召回率低且无法推理。我主导构建了一套检索增强生成（RAG）系统，旨在解决通用大模型（LLM）“幻觉”严重及私域知识缺失的问题，实现企业知识的精准问答与推理。

技术栈

PythonLangChainLlamaIndexChromaDBMilvusElasticsearchvLLMQwen-72BDockerFastAPI

核心难点与解决方案
1. 文档切片与语义提取（Pre-processing）

痛点：长文档切片导致上下文断裂，表格与公式丢失。

方案：放弃通用切片器，自研层级化分块（Hierarchical Chunking）策略。利用Unstructured库解析文档结构，保留章节父子关系；针对技术文档，引入Latex公式识别与表格结构还原，将非文本内容转化为LLM可读的描述性文本。

2. 混合检索与重排序（Retrieval Optimization）

痛点：单一向量检索精度不足，召回结果相关性差。

方案：构建Hybrid Search（混合检索）管道。结合Elasticsearch（关键词精确匹配）与Milvus（向量语义相似度），利用RRF（Reciprocal Rank Fusion）算法融合结果。引入BGE-Reranker模型对Top-K候选集进行二次精排，将检索准确率（Hit Rate）从65%提升至92%。

3. 提示词工程与上下文压缩（Generation）

痛点：无关上下文干扰LLM判断，导致幻觉。
方案：设计Context Compression（上下文压缩）机制，利用小型LLM（如Phi-3）对检索到的冗余文档进行摘要提炼后再喂给主模型。采用Few-Shot CoT（思维链）提示词模板，强制模型标注引用来源，增强答案的可解释性。

4. 模型加速与服务化（Inference）

痛点：大模型推理慢，无法满足高并发生产需求。

方案：基于vLLM部署千问（Qwen-72B）模型，开启PagedAttention与Continuous Batching技术，将Token生成速度提升至120 tokens/s，支持百人并发访问。