跨境贸易合规知识 RAG 问答平台

面向贸易资料分散、版本更新频繁、专业检索困难且回答依据难以追溯的问题，建设具备权限隔离、风险提示和原文引用能力的 RAG 问答平台。
Python FastAPI LangChain Qwen BGE-M3 BGE-Reranker Milvus BM25 MySQL

项目背景

海关申报、制裁筛查、信用证与收款、贸易术语与物流、单证合规等资料分布在不同来源，且版本变化频繁。平台以受控知识库为基础，为业务人员提供可追溯的问答入口：有充分证据才生成回答，关键结论能够回到原文核验。

个人职责

  • 负责 RAG 主链路设计与实现，拆分请求上下文、路由、检索、上下文构建、Prompt、生成与历史写入等阶段，保证主流程可观测、可测试、可扩展。
  • 设计并实现 QAService / Pipeline 编排层，统一管理意图识别、检索策略、查询改写、FAQ / 文档检索、上下文构建和流式生成。
  • 基于 Milvus 搭建 Dense + BM25 Hybrid Search 检索链路，支持多变体检索、合并去重和 BGE-Reranker 重排；结合证据充分性判断，在证据不足时拒绝生成。
  • 完成多格式资料入库与增量更新：通过 Parent-Child 两级分块和表格行级处理保留上下文，以内容指纹识别新增、修改和下线资料。
  • 实现企业、角色、资料范围和知识版本等维度的过滤条件，隔离 5 类业务资料，避免越权检索和新旧版本混合召回。
  • 实现 WebSocket 流式输出协议，按 start、status、token、end、error 等事件返回答案、引用来源、诊断信息与耗时指标。
  • 建立覆盖召回效果、排序质量、多轮追问、场景隔离和引用支持的回归评测，并接入 LangSmith Trace 沉淀 Bad Case。
  • 编写 Docker Compose 部署配置和运行检查脚本，支持本地与容器环境快速启动、健康检查和版本发布验证。

交付成果

  • 交付面向跨境贸易合规场景的 RAG 问答平台，形成 FAQ 直出、文档 RAG、多轮追问、引用溯源和流式输出的完整闭环。
  • 将 FAQ 标准答案与文档知识库分开治理：高置信 FAQ 低延迟直出，复杂问题进入 RAG 生成，降低无依据生成风险。
  • 通过 Dense + BM25 混合检索和 BGE-Reranker 重排提升召回覆盖与排序稳定性；专项离线回归中，Top5 证据召回率达到 92%，MRR 达到 0.78，引用支持率达到 94%。
  • 以 MySQL 管理知识库版本控制面，候选版本通过质量门禁后再切换 active 指针，并支持版本发布与回滚，避免失败入库污染线上检索。
  • 将评测结果纳入版本发布门禁，结合 LangSmith Trace 与 Bad Case 回归，使线上问题能够被复现、标注和验证。