AIclinicalresearch/docs/05-每日进度/Day23-24-知识库检索与@引用功能完成.md

Day 23-24：知识库检索 + @引用功能完成 ✅

开发时间: Day 23-24
开发人员: AI助手
任务状态: ✅ 已完成（里程碑1核心功能完成！）

---

📋 任务概述

实现对话中引用知识库的完整功能，用户可以通过 @知识库 引用已上传的文献，AI基于文献内容进行精准回答。

---

✅ 已完成功能

1. 知识库检索API（后端）

文件: backend/src/services/knowledgeBaseService.ts

• ✅ Day 20已实现Dify检索API集成
• ✅ 支持语义检索，返回最相关的文档片段
• ✅ 返回相似度分数，便于质量评估

API接口:

GET /api/v1/knowledge-bases/:id/search?query=骨质疏松&top_k=3

返回数据:

{
  "success": true,
  "data": {
    "query": { "content": "骨质疏松" },
    "records": [
      {
        "segment": {
          "id": "xxx",
          "content": "相关文档内容...",
          "document_id": "xxx"
        },
        "score": 0.85
      }
    ]
  }
}

---

2. 前端@知识库选择器

文件: frontend/src/pages/AgentChatPage.tsx

核心改动:

// 1. 引入知识库Store
import { useKnowledgeBaseStore } from '../stores/useKnowledgeBaseStore'

// 2. 加载知识库列表
const { knowledgeBases, fetchKnowledgeBases } = useKnowledgeBaseStore()

useEffect(() => {
  fetchKnowledgeBases()
}, [])

// 3. 传递给MessageInput组件
<MessageInput
  onSend={handleSendMessage}
  loading={sending}
  knowledgeBases={knowledgeBases}  // ✅ 知识库列表
  placeholder={`向${agent.name}提问...`}
/>

UI功能:

• ✅ 点击"@知识库"按钮弹出下拉菜单
• ✅ 显示用户所有知识库列表
• ✅ 支持多选知识库（蓝色标签显示）
• ✅ 可移除已选择的知识库

---

3. 对话集成知识库检索（后端）

文件: backend/src/services/conversationService.ts

核心实现:

// 1. 导入知识库服务
import * as knowledgeBaseService from './knowledgeBaseService.js';

// 2. 发送消息时检索知识库
if (knowledgeBaseIds && knowledgeBaseIds.length > 0) {
  const knowledgeResults: string[] = [];
  
  // 对每个知识库进行检索
  for (const kbId of knowledgeBaseIds) {
    const searchResult = await knowledgeBaseService.searchKnowledgeBase(
      userId,
      kbId,
      content,  // 用户问题作为检索query
      3         // 每个知识库返回3个最相关段落
    );

    // 格式化检索结果
    if (searchResult.records && searchResult.records.length > 0) {
      const kbInfo = await prisma.knowledgeBase.findUnique({
        where: { id: kbId },
        select: { name: true },
      });

      knowledgeResults.push(
        `【知识库：${kbInfo?.name || '未命名'}】\n` +
        searchResult.records
          .map((record: any, index: number) => {
            const score = (record.score * 100).toFixed(1);
            return `${index + 1}. [相关度${score}%] ${record.segment.content}`;
          })
          .join('\n\n')
      );
    }
  }

  if (knowledgeResults.length > 0) {
    knowledgeBaseContext = knowledgeResults.join('\n\n---\n\n');
  }
}

工作流程:

1. 用户选择知识库并发送问题
2. 后端对每个知识库调用Dify检索API
3. 获取最相关的文档片段（top_k=3）
4. 格式化检索结果（包含知识库名称和相关度）
5. 将检索结果注入到LLM上下文
6. LLM基于文献内容生成回答

---

4. 上下文组装优化

文件: backend/src/services/conversationService.ts - assembleContext()

智能上下文注入:

// 第一条消息：使用完整模板（包含项目背景 + 知识库上下文）
if (isFirstMessage) {
  userPromptContent = agentService.renderUserPrompt(agentId, {
    projectBackground,
    userInput,
    knowledgeBaseContext,
  });
} 
// 后续消息：只发送用户输入 + 知识库上下文
else {
  if (knowledgeBaseContext) {
    userPromptContent = `${userInput}\n\n## 参考文献（来自知识库）\n${knowledgeBaseContext}`;
  } else {
    userPromptContent = userInput;
  }
}

优势:

• ✅ 节省token消耗（避免重复发送项目背景）
• ✅ 动态注入知识库内容（只在需要时添加）
• ✅ 保持对话上下文连贯性

---

🔄 完整工作流程

用户操作流程:
1. 进入智能体对话页面
2. 点击"@知识库"按钮
3. 选择一个或多个知识库
4. 输入问题（如"AI在临床研究中有哪些应用？"）
5. 点击发送

系统处理流程:
[前端] 发送消息 + knowledgeBaseIds[]
    ↓
[后端] 接收消息请求
    ↓
[后端] 对每个知识库调用Dify检索API
    ↓
[Dify] 语义检索返回最相关文档片段
    ↓
[后端] 格式化检索结果（知识库名 + 相关度 + 内容）
    ↓
[后端] 组装上下文：系统提示 + 历史消息 + 用户问题 + 文献内容
    ↓
[LLM] DeepSeek-V3基于文献生成回答
    ↓
[后端] 流式返回AI回答
    ↓
[前端] 实时显示流式输出

---

🎯 核心技术亮点

1. RAG（检索增强生成）完整实现

• ✅ 用户问题 → 语义检索 → 相关文档 → LLM生成
• ✅ 提高AI回答的准确性和可信度
• ✅ 支持引用来源追溯

2. 多知识库联合检索

• ✅ 支持同时选择多个知识库
• ✅ 分别检索后合并结果
• ✅ 标注知识库来源

3. 相关度评分展示

• ✅ Dify返回0-1的相似度分数
• ✅ 转换为百分比展示（如"相关度85.3%"）
• ✅ 帮助用户评估引用质量

4. 错误容错机制

• ✅ 单个知识库检索失败不影响其他知识库
• ✅ 检索失败不阻断对话（降级为无文献回答）
• ✅ 详细的错误日志记录

---

📊 数据流示例

用户输入:

问题: "AI在临床研究中有哪些应用？"
选择知识库: ["我的研究文献"]

检索结果（注入LLM上下文）:

## 参考文献（来自知识库）

【知识库：我的研究文献】

1. [相关度92.3%] AI临床研究文献解决方案主要包括以下几个方向：
   - 智能诊断：利用深度学习分析医学影像...
   - 药物研发：通过AI预测药物分子结构...
   
2. [相关度87.5%] 在临床试验设计中，AI可以优化患者招募...

3. [相关度81.2%] AI辅助的临床决策支持系统能够...

LLM回答（基于检索内容）:

根据您上传的文献，AI在临床研究中主要有以下应用：

1. **智能诊断**: 利用深度学习分析医学影像，可以提高诊断准确率...
2. **药物研发**: 通过AI预测药物分子结构，加速新药研发...
3. **临床试验优化**: AI可以优化患者招募流程...
...

📄 以上内容来自您的知识库"我的研究文献"

---

🧪 测试建议

1. 基础功能测试

• 点击"@知识库"能否正常显示知识库列表
• 选择知识库后是否出现蓝色标签
• 能否移除已选择的知识库
• 发送消息后AI是否基于文献回答

2. 多知识库测试

• 同时选择2-3个知识库
• 验证AI回答是否整合多个来源

3. 相关性测试

• 问与文献相关的问题（应精准回答）
• 问与文献无关的问题（应说明文献中无相关内容）

4. 边界情况测试

• 知识库为空时的处理
• 不选择知识库的普通对话
• 检索失败时的降级处理

---

📁 涉及文件清单

后端修改

• backend/src/services/conversationService.ts - 集成知识库检索
  • 添加 knowledgeBaseService 导入
  • 实现检索逻辑（流式和非流式）
  • 格式化检索结果注入上下文

前端修改

• frontend/src/pages/AgentChatPage.tsx - 加载知识库列表
  • 引入 useKnowledgeBaseStore
  • 添加 fetchKnowledgeBases() 调用
  • 传递 knowledgeBases 给 MessageInput

前端已有组件（Day 18-19已实现）

• frontend/src/components/chat/MessageInput.tsx - @知识库UI
• frontend/src/stores/useKnowledgeBaseStore.ts - 知识库状态管理

---

🎉 里程碑1 - 完成度评估

✅ 已完成核心功能（100%）

1. ✅ 用户认证与项目管理
2. ✅ 12个AI智能体配置与调用
3. ✅ 多轮对话上下文管理
4. ✅ 流式输出（打字机效果）
5. ✅ 模型切换（DeepSeek-V3/Qwen3-72b/Gemini-Pro）
6. ✅ 个人知识库管理（创建/上传/删除）
7. ✅ @知识库检索与RAG集成 ⭐ 今日完成

🚀 下一步工作

里程碑2预览（预计2-3天）:

1. 项目协作功能（成员管理、权限控制）
2. 对话历史管理（查看、搜索、导出）
3. AI回答评价与反馈
4. 引用溯源优化（点击引用查看原文）

---

💡 技术收获

1. RAG系统设计经验

• 检索质量直接影响AI回答质量
• top_k参数需要平衡相关性和上下文长度
• 多知识库检索需要合并策略

2. LLM上下文管理

• 第一条消息注入完整背景
• 后续消息动态添加知识库内容
• 控制token消耗同时保持连贯性

3. 错误处理最佳实践

• 外部API调用必须有容错
• 降级策略保证基础功能可用
• 详细日志便于问题排查

---

📝 用户测试指南

前置条件

1. 确保Dify服务运行正常
2. 已创建知识库并上传至少1个文档
3. 文档已完成索引（Dify后台显示"已完成"）

测试步骤

Step 1: 清空浏览器缓存

1. 按 Ctrl+F5 硬刷新页面
2. 或使用无痕模式访问 http://localhost:3000

Step 2: 进入对话页面

1. 访问首页
2. 选择任意智能体（推荐"话题评估专家"）

Step 3: 使用@知识库

1. 点击输入框下方的"@知识库"按钮
2. 从下拉菜单选择知识库（如"我的研究文献"）
3. 看到蓝色标签显示已选择
4. 输入问题，例如：
   - "AI在临床研究中有哪些应用？"
   - "这篇文献的主要结论是什么？"
   - "请总结文献中的研究方法"
5. 点击发送

Step 4: 观察AI回答

✅ 正常情况：
- AI回答与文档内容高度相关
- 引用文档中的具体信息
- 回答比不@知识库更精准

❌ 异常情况请反馈：
- AI回答完全不相关
- 提示"检索失败"
- 页面报错

Step 5: 查看后端日志

后端控制台应能看到：
- 检索知识库的日志
- 返回的相关文档数量

---

🐛 已知问题

无

---

🔗 相关文档

• Day 18: Dify部署完成
• Day 19-20: 知识库API完成
• Day 21-22: 知识库前端开发与问题修复
• 产品需求文档
• 开发里程碑

---

文档创建时间: 2025-10-11
最后更新: 2025-10-11