智能对话

人工智能其他案例ID：253900

7 年经验· 北京中数睿智

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

智能服务大模型应用（RAG 全栈） Flask + LangChain + LangGraph + Chroma + MySQL + Redis
对基于 Flask 设计并实现智能问答服务，支持用户对话、知识库管理与附件上传；文档经 LangChain 按类型切分后写入 Chroma，结合 SiliconFlow Embedding 实现向量检索。
设计"鉴权 → 用户消息落库 → 文档解析/向量化 → RAG 检索 → 记忆组装 → 模型路由 → Agent 作答 → 助手消息落库"完整问答流水线，支持 JSON 提问与 multipart 上传（单文件 32MB）。
RAG 多策略优化：PDF/Word/CSV/代码等按 FAQ、技术文档、长文、代码库分别切块；Chroma 持久化按 user_id 隔离；知识库内容指纹增量同步，避免重复 Embedding；向量失败回退关键词匹配。
对接 SiliconFlow 流式生成，LangChain 封装对话/视觉/Embedding 模型，token 级 SSE 推送；按问题复杂度在轻量/标准/高性能/视觉模型间路由，调用失败自动降级。
实现 JWT Access + Refresh Token、token_version 登出失效、bcrypt 密码哈希；对话/知识库/收藏/通知按用户隔离；短期记忆 Redis（失败回退内存 TTL），长期记忆 MySQL + 向量检索，写入前脱敏；
基于 LangChain / LangGraph 实现 ReAct、Plan-and-Execute、可中断状态机三种 Agent；文生图等关键工具支持 Human-in-the-Loop，工具失败重试后降级直连对话。