产品特性

产品定位

新一代政务法规智能问答系统

面向法律政务场景深度优化的「长上下文 + 混合检索」智能引擎，专为精准溯源设计。

---

与普通 RAG 的区别

区别于传统 RAG 的「单路检索 + 固定切分 + 简单拒答」模式，本系统采用：

• 三路并行增强检索（Query 改写 + HyDE 假设文档 + 原始查询）
• 四策略自适应文档切分
• Small-to-Big「小搜大读」模式（摘要检索 + 原文阅读）
• 多 AI 节点协作流水线
• Few-Shot Prompt 热配置
• 置信度分级风控

专为法律政务精准溯源场景打造。

---

核心技术架构

三路并行增强检索

传统 RAG 只用用户原文检索，召回率有限。本系统采用三路并行策略：

策略	说明
Query 改写	LLM 将口语化问题改写为多个法律专业术语查询，从主体、行为、后果、责任等多角度检索
HyDE 假设性文档嵌入	先让 LLM 生成「假设性法规回答」，再用这段假设答案去检索，显著提升召回精度
原始查询检索	保留用户原始意图，三路结果去重合并，取最高分

Small-to-Big「小搜大读」模式

• 搜索时：用 LLM 生成的精炼摘要（100-200字）进行向量检索
• 阅读时：返回完整原文，支持用户查看法规全文

多 AI 协作流水线

系统内置 6 个 AI 协作节点：

节点	职责	模型类型
Query 改写	将口语转为法律术语	LLM（DeepSeek V3）
HyDE 生成	生成假设性法规答案	LLM（DeepSeek V3）
摘要增强	为文档生成检索摘要	LLM（DeepSeek V3）
向量检索	语义相似度匹配	Embedding（BAAI/bge-m3）
重排序	精排 Top K 结果	Rerank（BAAI/bge-reranker-v2-m3）
答案生成	结构化法规解读	LLM（DeepSeek V3）

---

智能文档治理（ETL 四策略）

针对法律政务文档的复杂性，设计四种自适应切分策略：

策略 A - 主体责任语义切分

针对「职责分工清单」类公文，LLM 识别责任主体，按主体物理切割。

策略 B - 层级下钻切分

针对长篇法律法规，按章→节→条逐级下钻，自动补全父级路径。

策略 C - 滑窗切分

针对无结构长文，滑动窗口切分，保留 200 token 重叠确保语义连续。

策略 D - 整篇保留

短文档（<3000字）不切分，整篇入库。

---

置信度守门机制

• 高置信度：直接输出结构化答案
• 低置信度：输出答案 + 前置提示「以下内容相关性较低，仅供参考」
• 拒答记录：自动收集低分问题，形成知识库缺口分析报告

---

场景适配

• 法律政务精准溯源：每个回答附带法规原文引用，国法/地法分类清晰
• 多类型文档混合检索：法律法规、政策文件、会议纪要、职责清单统一入库
• 长上下文支持：完整法规条文阅读，不丢失上下文

---

技术栈

• 前端：Vue 3 + Vant 4（H5）/ Element Plus（Admin）+ Pinia + SSE
• 后端：Python 3.10+ + FastAPI（Async）
• 数据库：SQLite（业务数据）+ ChromaDB（向量索引）
• AI 适配：兼容 OpenAI SDK 协议，支持硅基流动 / 火山引擎 / DeepSeek 等多厂商热切换