多模型智能代理 + RAG 文档处理系统

企业服务行业细分软件案例ID：249209

诶咯

10 年经验· 贵州中长

微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。

案例介绍

1. 立项背景和目标：工程类文档（合同/标书/竣工资料）模板化强、条款重复多、人工撰写耗时。项目目标是构建一个多模型协同的 AI Agent 平台，自动完成"文档摄取—检索—生成—后处理"的闭环，降低人工撰写与合规审查成本，并通过 RAG 复用历史文档知识。

2. 软件功能和核心模块：
Agent 调度器 scheduler.py：任务规划、工具调用、记忆与反思。
RAG Pipeline（8 个可插拔 Harness）：H1 文档摄取 → H2 清洗分块 → H3 向量化入库 → H4 查询解析 → H5 混合检索 → H6 重排序 → H7 生成 → H8 后处理 pipeline.py。
工具集 tools/：OCR、长文 QA、合同风险分析、图片/视频/PPT 生成、任务规划。
API 网关、存储、对话管理、用户认证等支撑模块。
Web 界面 static/：对话、上传、思考过程展示。

3. 业务流程与功能路径：
文档入库路径：上传文件 → /pipeline/ingest → H1 解析（电子 PDF / OCR 扫描件 / Word）→ H2 章节优先分块（512 字符 + 50 字重叠）→ H3 bge 嵌入写入 Milvus。
查询生成路径：用户请求 → /pipeline/query → H4 DeepSeek 解析意图(JSON) → H5 向量(0.7)+BM25(0.3)融合召回 → H6 MiniMax 重排 → H7 DeepSeek 生成 → H8 结构校验/脱敏/Word 导出。
反馈闭环：人工修订后通过 /pipeline/feedback 重新入库，知识库持续迭代。