检索难
单一检索难以覆盖全部应用场景，资料分散且定位效率低。
UNDERGRADUATE THESIS PROPOSAL 2026
基于RAG的
基于RAG的
企业知识库管理与问答系统
设计与实现
答辩人汪恒
汇报时间2026.11.12
各位老师好，我是汪恒。我的课题是基于 RAG 的企业知识库管理与智能问答系统。今天重点汇报系统功能、数据库设计、核心技术方法以及需要解决的重点难点。
01 / WHY THIS TOPIC
可行性分析
FIND
口径难
文档新旧版本并存，生成结果版本混淆、缺少依据。
边界难
各用户各部门各文档权限不同，难以管理。
RAG / RETRIEVAL AUGMENTED GENERATION
检索增强生成
企业知识存在三个核心难点：第一，关键词检索难以覆盖同义表达和上下文；第二，多版本文档容易造成口径混淆和引用失真；第三，部门与知识库权限不能在页面层简单隐藏。右侧 RAG 流程把外部文档编码、向量检索、相似证据与 LLM 生成连接起来，为三个难点提供统一的技术链路。
02 / SYSTEM CAPABILITIES
功能模块
01KNOWLEDGE
知识库与文档
把分散资料转化为可管理、可版本化的知识资产。
- 知识库配置与授权
- PDF / DOCX / TXT / Markdown 导入
- 解析、切分、索引与版本更新
主责角色：知识管理员
02RETRIEVAL & QA
检索与问答
从自然语言问题到带引用的流式回答。
- BM25 + 向量混合检索
- 多轮追问与查询改写
- 来源定位、引用复核与反馈
主要用户：普通用户
03GOVERNANCE
权限与审计
按角色、部门和知识库范围控制知识访问。
- 普通用户 / 知识管理员 / 系统管理员
- 部门及知识库授权
- 凭据保护、敏感字段与操作日志
管理角色：系统管理员
04EVALUATION
评测与统计
通过统一问题集和量化指标评估系统效果。
- 六类问题集管理
- 多配置批量评测
- 检索、引用、拒答与时延看板
使用角色：知识管理员、系统管理员
系统按普通用户、知识管理员和系统管理员三类角色组织。功能分为知识库与文档、检索与问答、权限与审计、评价与统计四组。普通用户完成问答和引用复核，知识管理员负责文档、版本和索引，系统管理员负责授权、模型配置和审计，形成从知识入库到可信回答的闭环。
03 / SYSTEM ARCHITECTURE
系统架构
01
INTERACTION LAYER
交互层
React 18TypeScriptVite
▤知识库授权与配置
▧文档管理上传与版本
⌕智能问答检索与追问
❝引用复核来源定位
⌁评测统计问题集与指标
⌾审计入口操作追踪
REST APISSE 流式消息↓
02
APPLICATION LAYER
服务层
FastAPISQLAlchemy 2.0
◇认证与 ACL角色和权限
▥文档处理解析与切分
⌕检索编排召回与融合
✦RAG 生成生成与校验
◫会话管理多轮问答
⌁任务统计评测与日志
SQLAlchemy事务与索引一致性↓
03
DATA & MODEL LAYER
数据与模型层
持久化混合索引可插拔模型
▤PostgreSQL业务数据
▧文件存储原始文档
⌕BM25 索引关键词召回
◎向量索引语义召回
✦模型服务嵌入 · 重排 · 生成
系统采用前后端分离结构。前端使用 React、TypeScript 和 Vite，通过 REST 与 SSE 和 FastAPI 交互；后端用 SQLAlchemy 2.0 映射 PostgreSQL，并编排文档处理、检索与生成；模型层支持服务商 API 和本地模型，具体型号在真实实验后通过效果、时延和成本对比确定。
04 / RAG & MODEL STRATEGY
技术方法
→
→
→
→
E
EMBEDDING
嵌入模型
把文本块与问题映射到向量空间，负责语义召回。
输出稠密向量 · 固定维度
关键约束模型 / 维度 / 索引代一致
具体型号待实验选型
R
RERANKER
重排模型
对融合候选进行相关性精排，优先保留更相关证据。
输入问题 + 候选片段
关键约束候选池大小 / 时延权衡
通过调参集确定阈值
G
GENERATION
生成模型
基于授权证据组织自然语言回答，并绑定来源编号。
接入服务商 API / 本地模型
关键约束证据不足拒答或澄清
离线方案仅用于测试与降级
这一页是核心模型方案。首先按需要改写问题，并在检索前执行权限过滤；随后 BM25 和向量模型并行召回，通过 RRF 或加权方式融合去重，再由重排模型精排，补充相邻段落后交给生成模型。三类模型分工不同：嵌入模型负责语义召回，重排模型负责候选精排，生成模型负责组织带引用的答案。系统支持服务商 API 和本地模型，具体型号不预先虚构，后续用统一问题集对比效果与时延后确定；离线嵌入、重排和生成只用于自动化测试和断网降级。
05 / DATABASE E-R DESIGN
数据库设计
100%
LOCAL E-R / 局部实体图实体图
数据库采用 SQLAlchemy 2.0 映射 PostgreSQL，共十六张业务表，其中九张核心表、七张运行支撑表。重点讲两条主线：知识侧是知识库、文档、文档版本和分块，保证版本可追溯、旧分块失效，并保留页码和章节定位；问答侧是用户、会话、消息、消息引用和分块，保存引用快照，使历史回答仍可复核。授权、处理任务、发布锁、索引代、模型提供商和审计日志支撑安全与运行。直接点击完整 E-R 图中的任一实体，会从该实体所在位置平滑展开对应的局部 E-R 图。联系与属性仅用于阅读，不触发点击缩放或高亮。也可进入全屏互动视图进行缩放和平移。
06 / KEY CHALLENGES
重点难点
旧版本仍被检索
版本切换前后索引不一致
当前版本指针发布锁原子切换
验证旧版本排除率
单一检索不全面
关键词与语义表达各有盲区
BM25向量召回融合重排
验证Recall / Rank
引用不支持结论
引用存在但证据不成立
来源绑定支持校验不足拒答
验证引用支持率
权限只在页面层
未授权片段可能进入上下文
部门 / 知识库 ACL检索前过滤审计追踪
验证越权拦截率
这一页只讲四个重点：版本一致性、混合检索、引用支持和权限过滤。每一项都采用明确对策，并对应独立测试集中的验证指标，避免只停留在功能展示。
07 / EXPECTED OUTCOMES
预期研究成果
可运行的智能问答系统
支持多格式文档导入、版本管理、混合检索、带引用问答和权限控制。
知识库混合检索权限审计
可复现的评测方案
建立不少于 100 道问题，覆盖六类场景，分析检索、引用、拒答与时延。
100+ 问题六类场景评测数据
完整的论文与工程材料
提交毕业论文、系统源码、数据库脚本、部署说明和测试记录。
论文源码部署材料
本课题预期形成可运行的企业知识库与智能问答系统、可复现的评测方案和实验数据，以及毕业论文、源码、数据库脚本和部署材料。后续重点完成 PostgreSQL 目标环境联调、真实模型实验和完整问题集验证。
感谢各位老师聆听恳请批评指正
RESEARCH ROADMAP
研究计划
开题答辩明确方案 · 吸收意见
当前系统与论文开发目标环境联调 · 功能完善 · 中期检查
优化、评测与论文定稿对比实验 · 结果分析 · 论文修订
评阅与毕业答辩材料提交 · 盲审 · 答辩
本课题将按照开题、系统开发、优化评测、论文定稿和毕业答辩的计划推进。我的汇报完毕，感谢各位老师聆听，恳请批评指正。