RAG Knowledge Base

项目定位

企业资料问答样板，适合把制度、FAQ、产品说明变成可追溯的问答入口。

Ingestion

资料上传、切片、清洗、元数据记录和版本边界。

Vector Store

embedding 入库到 pgvector，并保留来源、段落和文档上下文。

Retrieval

Top-K 检索、相似度阈值、弱相关问题识别和来源聚合。

Answer Contract

答案绑定来源引用，资料外问题明确拒答或转人工。

01

资料上传

02

切片入库

03

Embedding

04

Top-K 检索

05

来源引用

06

资料外边界

可追溯

回答绑定来源引用，方便客户、运营或内部团队复核

资料边界

资料外问题返回 found=false 或转人工，避免无依据回答

0/3 泄漏

Agent 撤权后立即拒答，泄漏率从 3/3（未开启）降到 0/3；跨文档题通过率 6/12 → 12/12

评测驱动

真实语料 28 文档/57 题；Hybrid（18/45）与 Reranking（23/45）均不如默认 Vector（25/45），按结果保留默认配置

检索链路

文档切片、embedding 入库、Top-K 检索、答案生成和来源引用。

资料外边界

资料外问题走 found=false 或人工处理，避免无依据回答。

来源可解释

答案必须能回到原始资料，方便客户或团队复核。

来源可追溯

回答必须带来源，便于客户、运营、客服或内部团队复核。

资料外边界

没有足够依据时返回 found=false 或转人工，不强行生成看似正确的答案。

可嵌入业务

可作为客服、后台管理、内部文档助手或项目资料检索入口的基础模块。

权限在检索层

权限作为 SQL 内 ACL 检索条件而非界面过滤；引用由后端生成并校验，不合规输出 fail-closed 转人工。182 个后端测试含 Testcontainers 集成测试。

评测方法

同配置至少 3 轮、范围不重叠才算“可区分”，不拿单次运行当结论；在同一语料上实测 Hybrid Search 与 Reranking 后保留默认 Vector 检索，不凭经验加组件。

Agent 编排层

Python/FastAPI/LangGraph 多步工具调用 Agent，支持问题拆解、会话记忆与强制检索；27 题对照组不受影响。

独立 MCP Server

基于官方 MCP SDK（stdio），把知识库只读工具暴露给 Claude Desktop / Claude Code 等客户端；JWT 缓存刷新鉴权，22 个契约测试，经真实后端端到端冒烟验证。