概要
负责企业知识问答系统核心研发，完成多源文档接入、三路混合检索、LangGraph 可恢复运行时与知识治理工作台建设。
业务价值
将企业分散资料沉淀为可持续同步、可追溯引用的知识问答能力，降低检索和答复成本。
工程深度
覆盖三路混合检索、LangGraph 编排、知识治理、连接器边界控制与评测回归体系。
证据来源
GitHub 仓库 README / docs/reference / tests
仓库 · 置信度 高 · 验证时间 2026-03-13
- 证据级别：严格复核（核心区仅展示可复核指标）
- 来源类型：仓库/代码记录
- 来源链接：已提供公开链接，可独立复核
- 验证时间：2026-03-13（距今 18 天，时效性高）
判定原因：判定为高置信度：按严格口径整理，可回溯到仓库或代码记录，包含可访问来源链接，验证时间距今 18 天。
查看证据背景
企业资料分散在本地目录、Notion 等多源，业务希望把制度、FAQ、项目文档沉淀为可检索、可引用、可持续同步的知识库问答系统。
挑战
传统单路检索难以同时覆盖标题、关键词与语义混合场景，问答链路缺少可解释恢复机制，文档接入与 chunk 质量治理也缺乏统一工作台。
行动与成果
解决方案
- 搭建混合检索：结构、全文、向量三路召回配合 query rewrite、加权 RRF 与 rerank，提升复杂问题场景下的证据命中率。
- 重构可恢复运行时：在 Gateway 与检索层引入 LangGraph，支持 checkpoint、interrupt/resume、
step_events 与人工澄清。 - 补齐知识治理：建设多知识库、多源连接器、chunk 治理、retrieve/debug、审计与回归门禁能力。
成果
形成面向中文企业场景的 RAG 问答系统，支持 grounded answer、引用溯源、多源同步、检索调试与可恢复执行，并具备持续回归验证能力。
关键指标
设计结构检索、全文检索、向量检索三路召回链路，结合加权 RRF 融合与 rerank，支持 `citations`、`grounding_score` 与 `trace_id` 返回。 将 Gateway 问答链路与 KB 检索链路改造为 LangGraph 运行时，支持 checkpoint、interrupt/resume、人工澄清与 `step_events`。 建设 ingest 与知识治理工作台，支持多知识库、多源连接器、chunk 拆分/合并/禁用及 retrieve/debug 调试能力。 建立 smoke-eval 与 regression gate 回归门禁，将检索质量、可恢复执行与发布验证纳入同一交付流程。 技术栈
FastAPILangGraphVue 3PostgreSQLQdrantRAGFastEmbedDockerLangChain