HaHafeng
88cc049fb3
- Implement 5 core API endpoints (create task, get progress, get results, update decision, export Excel) - Add FulltextScreeningController with Zod validation (652 lines) - Implement ExcelExporter service with 4-sheet report generation (352 lines) - Register routes under /api/v1/asl/fulltext-screening - Create 31 REST Client test cases - Add automated integration test script - Fix PDF extraction fallback mechanism in LLM12FieldsService - Update API design documentation to v3.0 - Update development plan to v1.2 - Create Day 5 development record - Clean up temporary test files
RAG引擎
能力定位： 通用能力层
复用率： 43% (3个模块依赖)
优先级： P1
状态： ✅ 已实现（基于Dify）
📋 能力概述
RAG引擎负责：
- 向量化存储（Embedding）
- 语义检索（Semantic Search）
- 检索增强生成（RAG）
- Rerank重排序
📊 依赖模块
3个模块依赖（43%复用率）：
- AIA - AI智能问答（@知识库问答）
- ASL - AI智能文献（文献内容检索）
- PKB - 个人知识库（RAG问答）
💡 核心功能
1. 向量化存储
- 基于Dify平台
- Qdrant向量数据库（Dify内置）
2. 语义检索
- Top-K检索
- 相关度评分
- 多知识库联合检索
3. RAG问答
- 检索 + 生成
- 智能引用系统（100%准确溯源）
🏗️ 技术架构
基于Dify平台：
// DifyClient封装
interface RAGEngine {
// 创建知识库
createDataset(name: string): Promise<string>;
// 上传文档
uploadDocument(datasetId: string, file: File): Promise<string>;
// 语义检索
search(datasetId: string, query: string, topK?: number): Promise<SearchResult[]>;
// RAG问答
chatWithRAG(datasetId: string, query: string): Promise<string>;
}
📈 优化成果
检索参数优化：
| 指标 | 优化前 | 优化后 | 提升 |
|---|---|---|---|
| 检索数量 | 3 chunks | 15 chunks | 5倍 |
| Chunk大小 | 500 tokens | 1500 tokens | 3倍 |
| 总覆盖 | 1,500 tokens | 22,500 tokens | 15倍 |
| 覆盖率 | ~5% | ~40-50% | 8-10倍 |
🔗 相关文档
最后更新： 2025-11-06
维护人： 技术架构师