概要项目概述01
我们为一家银行开发了一套AI系统，可用自然语言回答有关企业及监管知识库的问题。系统整合外部法规、内部规章、政策、操作指引和模板，输出结构化回答，其中包含相关要求、关联文件以及指向原始出处的链接。
課題核心挑战02
仅靠传统的语义检索远远不够。回答必须考虑法规、内部文件与要求之间的关联，汇集多个来源的数据，并保持可验证：每个结论都以具体的原始出处为依据。
要点方案要点
方案的核心是RAG与企业知识图谱的结合。系统将上传的PDF、Word和ZIP文件拆分为章节、条款、细项和要求，并在提取的实体之间建立关联。 每次查询时，图谱都会围绕相关主题重新构建，回答同时汇集三个来源：向量检索、知识图谱关联和LLM。 在此基础上支持五种场景：检索适用法规、生成要求地图、文件核查、对照外部要求比对内部规章，以及基于检查清单的法律筛查。
工程实施过程03
- 0101
知识库分析
研究规范性文件、内部规章、政策、操作指引和模板的结构。
- 0202
文档处理流水线
开发PDF、Word和ZIP的上传与解析功能，提取文本及文档结构要素。
- 0303
知识图谱
识别实体，并在文件、要求、法规、流程和来源之间建立关联。
- 0404
RAG检索
实现向量检索、检索流水线，以及附带来源链接的自然语言回答生成。
- 0505
文件核查
开发用于发现缺失要求、潜在矛盾和措辞薄弱之处的场景。
- 0606
界面与测试
实现知识库操作与关联可视化，并在实际应用场景中验证系统。
成果成果04
10+支持的文档格式
5知识库应用场景
3每次回答使用的检索机制
記録项目图集05
技術技术栈
- 01LLM
- 02RAG
- 03知识图谱
- 04向量检索
- 05OCR
- 06Python
- 07FastAPI
- 08PostgreSQL
- 09图数据库
- 10LangChain / LlamaIndex
有类似需求？
我们将在5个工作日内完成沟通与评估。