AI 工程已完成
电商客服 RAG 知识库问答系统
基于 RAG 技术的电商客服智能问答系统，FastAPI + Vue 3 + Docker 全栈实现
- 时间
- 2025年1月 — 2025年5月
PythonFastAPIVue 3RAGLLMDocker
做了什么
- 完整落地 RAG 链路：多格式文档解析 → 切分 → 向量化 → 检索 → 生成
- 本地开源模型与云端 API 双模式，按算力与预算切换
- 回答带引用溯源，可核对、可追溯，降低幻觉风险
- Docker 容器化交付，一键启动
项目背景
电商客服在高峰期面临大量重复性咨询，人工答复成本高且口径不一。RAG 技术让大模型能够基于企业自有知识库作答，既保留了大模型的自然语言理解能力，又保证了回答内容的准确与可追溯。
职责与实现
- 实现多格式知识库文档解析（PDF / Word / 网页）与文本切分
- 使用向量化 + 相似度检索实现知识召回，构建 RAG 完整链路
- 兼容本地开源模型（如 Ollama）与云端 API 双模式
- 使用 Vue 3 实现问答交互界面，支持引用溯源展示
- 通过 Docker 容器化打包部署，一键启动
技术亮点
- 完整落地 RAG 链路：解析 → 切分 → 向量化 → 检索 → 生成
- 本地 / 云端模型双兼容，适配不同算力与预算场景
- Docker 化部署，环境一致、运维简单