ARCHITECTURE
以“知识加工 + 混合检索 + 图谱推理”
以“知识加工 + 混合检索 + 图谱推理”
构建企业级 AI 知识底座
2.0.0 版本升级整体技术栈：JDK 17、Spring Boot 3.5、Spring AI、MySQL 8.4、Milvus 2.6.15，并将系统依赖 jar 包从 400+ 精简到 200+。
REFERENCE ARCHITECTURE
参考架构
从接入层到知识层、智能层、治理层与运维层，形成可部署、可观测、可扩展的企业级架构。
RETRIEVAL
混合检索与重排
知识库来源支持高级 RAG 参数配置：向量召回数、向量命中度、ES 召回数、ES 命中度、Rerank 重排与 Rerank 召回数。命中测试可按向量检索或混合检索验证段落召回质量。
| 参数 | 范围 | 推荐值 |
|---|---|---|
| 向量召回数 / ES 召回数 | 1-200 | 10-100 |
| 向量命中度 | 0-1 | 0.5-0.7 |
| ES 命中度 | 0-1 | 0.5-1.0 |
| Rerank 召回数 | 1-100 | 小于两路召回总和 |
MODEL OPERATIONS
模型与服务治理
- 模型管理支持 LLM 推理、向量、文本排序、图像识别、视频识别与 OCR 六类模型。
- LLM 采用“供应商 → 模型”两级管理，可设置全局默认并在线调试；最多支持 3 个模型对比。
- 服务监测覆盖 DB、Elasticsearch、Milvus、Neo4j、AI 运行时与 JVM 内存。
- 全局配置按 rag、agent、dataset、graph、ms、mcp、pipeline、schedule、security 等分类在线调整，无需重启。
系统初始化涉及重建 ES 索引、Milvus 向量表、Neo4j 图谱数据与索引，属于高风险运维操作，应在业务低峰期并确认备份后执行。
DEPLOYMENT VIEW
容器化部署视图
官网部署下载页提供中间件部署包入口，当前包含 JDK、Milvus 与 MySQL 三类 Docker 镜像，可按实施环境逐步扩展。
# 示例：导入中间件镜像
docker load -i kb-jdk-17.tar
docker load -i milvus-2.6.15.tar
docker load -i mysql-8.4.tar
# 常用中间件
JDK 17 / Milvus 2.6.15 / MySQL 8.4
交付物
JDK、Milvus、MySQL 等中间件 Docker 镜像包，后续可按项目需要扩展至更多基础组件。
上线前检查
确认中间件连接、模型服务可用、调度任务注册、服务监测正常、初始化操作已完成。
安全基线
管理员保护、资源级权限、跨域白名单、API Key 管理、密码与密钥脱敏展示。
可观测基线
AI 调用成功率目标 ≥99%，加工链路完成率目标 ≥95%，日志与调度执行记录可追溯。