AI 应用主线项目
合同条款助手 · 生产级 RAG 知识库问答
答案里每个事实性陈述都能点回合同原文做字符级高亮验证的 RAG 问答系统，检索全程可观测。
- 角色
- 独立设计开发
- 周期
- 2026.07 - 至今
- 状态
- M1 可信问答闭环完成（后端 44 项测试全绿）；M2 评测看板、M3 公网部署推进中
FastAPIChromaDBSQLiteNext.js 16TypeScriptTailwind CSSSSE
背景与问题
企业合同场景问 AI 最大的顾虑是「答案不可信」：模型说了一段像模像样的条款解释，但没法验证它是不是原文里真有的。这个项目把「可信」做成产品能力——回答中每个事实性陈述都带内联引用，点击即可跳回合同原文并做字符级高亮验证。
我的角色
从产品定义、检索链路设计、后端摄取管道到 Next.js 前端全部独立完成，规划文档驱动开发（doc/生产级功能规划.md 为唯一执行依据）。
架构示意
Next.js 16 三栏前端（文档管理 · 流式对话 · 引用定位预览）
SSE 流式回答（meta→delta→done）· 内联引用 [n] · 可折叠检索调试面板
混合检索：向量 + BM25 双路召回 → RRF 融合 → LLM 重排（失败自动回退）
摄取管道：解析（页码 / 标题路径 / 表格转 markdown）→ 分块（记录全文字符偏移）→ Embedding
ChromaDB 向量库 + SQLite 状态机（上传 → 解析 → 索引 → 就绪 / 失败可重试）
技术方案
- 引用定位基于分块时记录的全文字符偏移而非文本匹配，从解析、分块、向量元数据到前端高亮全链路贯穿同一偏移体系
- 向量 + BM25（jieba 分词）双路召回、RRF 融合、LLM 重排打分，重排失败自动回退 RRF，可一键关闭
- 每次回答附带可折叠的检索调试面板：两路排名、融合 / 重排分数、分阶段耗时，检索质量可度量、可调优
- 文档摄取为异步状态机（上传→解析→索引→就绪/失败可重试），PDF 表格转 markdown 且与正文去重，表格原子成块不切开
- 多轮对话追问改写：把「那乙方呢？」改写成完整查询再检索，history 为空时不额外调用 LLM
核心难点与取舍
引用高亮的正确性地基是字符偏移不变量 full_text[chunk.start:chunk.end] === chunk.text：任何一个环节（解析、表格剔除、分块、元数据存取）破坏偏移，前端高亮就会错位。取舍是不用「文本模糊匹配」这种见效快的方案，而是让全链路共享同一套规范全文偏移，用测试不变量把正确性锁死。
成果指标
44 项
后端测试全绿（解析/分块/检索/SSE）
字符级
引用跳回原文高亮定位
2 路
向量 + BM25 召回融合
成果
- M1 可信问答闭环完成：上传合同 → 混合检索 → 流式引用回答 → 点击引用跳回原文高亮，全链路可用
- 检索过程全程可观测，调优不靠感觉靠数据
- M2 评测看板与 M3 开放 API / 公网部署仍在推进，未上线公网演示实例