Dify- 文档上传、解析、切分、索引、语义检索、多轮问答和来源引用
- Ollama / LiteLLM 本地模型 API 调用与回答生成
项目2025.07
企业级 RAG 知识库系统
RAG 架构 / FastAPI / 文档解析 / 本地模型接入
DifyFastAPIOllamaMySQLRAG
继续查看成果、技术栈、实现要点
项目概览
把企业产品资料整理成可检索、可问答、可追溯来源的知识库能力。
源于小安科技实习期间的企业资料问答需求，覆盖 Dify 本地部署、企业 IM 机器人集成和自研 PDF/DOCX 问答助手原型。
成果摘要
本地资料包含 Dify 与微信/钉钉集成文档、企业产品资料、Dify 源码和自研 RAG 后端代码；当前没有可公开发布的企业界面截图。
职责RAG 架构 / FastAPI / 文档解析 / 本地模型接入
时间2025.07
核心栈文档上传、解析、切分、索引、语义检索、多轮问答和来源引用 / Ollama / LiteLLM 本地模型 API 调用与回答生成 / Python、FastAPI、MySQL 与 Docker 本地部署 / Dify 与微信、钉钉、飞书机器人集成路径梳理
技术拆解
技术工作
- Python、FastAPI、MySQL 与 Docker 本地部署
- Dify 与微信、钉钉、飞书机器人集成路径梳理
- 验证企业资料检索与问答闭环，覆盖设备子型号、功能标准和交付流程资料。
- 形成自研 RAG 后端与测试用例，包含端到端 RAG 测试。
- 沉淀企业 IM 机器人接入配置路径。
- 解析 PDF/DOCX 标题层级和正文内容，并按章节进入检索流程。
- 将文件管理、模型设置、问答历史与来源引用纳入系统能力。
- 用测试验证检索、生成和端到端问答行为。
- 适合向导师讨论企业知识库的检索粒度、来源可信度和本地模型部署。
- 适合向 HR 说明能把实习需求转成可运行系统。