技术栈总览 #
| 层面 | 技术 | 说明 |
|---|---|---|
| 后端 | FastAPI + Uvicorn | Python Web 框架，端口 8000 |
| 前端 | Streamlit | Python 数据应用框架，端口 8501 |
| 向量检索 | FAISS | 索引 2084 块档案文档块 |
| 大语言模型 | 腾讯混元（hunyuan-turbo） | 通过 TokenHub API 调用 |
| PDF 处理 | PyMuPDF | 双层 PDF 文字层提取、版式位置分析 |
| 中文分词 | jieba + TF-IDF | 职权匹配 L2 层 |
| 反向代理 | Nginx | HTTPS 反向代理，经小皮面板管理 |
| 运行环境 | Python 3.13 | 部署于 Windows Server 2012（腾讯云） |
核心技术亮点 #
三级匹配体系（职权 / 保管期限匹配） #
- L1：JSON 职权库精确匹配
- L2：jieba + TF-IDF 语义匹配
- L3：混元 LLM 兜底
保管期限判定 #
采用八步法流程，规则表 104 条 + 条款号，准确率约 97%。
PDF 元数据提取 #
基于 PyMuPDF 的版式位置提取（text dict）→ 文字层全文正则提取，支持 5 种文号模式。
数据存储方式 #
启典不使用 .db / .sqlite 等数据库文件，而是用以下文件存储：
| 文件 | 格式 | 位置 | 用途 |
|---|---|---|---|
meta.pkl |
Pickle（Python 序列化） | index/ |
文档分块与元数据（2084 块） |
docs_hash.txt |
纯文本 | index/ |
文档变更检测哈希 |
faiss.index |
FAISS 二进制 | index/ |
向量索引（语义相似度搜索） |
当前运行在关键词检索模式：先用关键词匹配，FAISS 可用时再补充向量搜索。
部署能力 #
一期（当前）：服务器部署模式 #
通过 ytshuju.cn/knowledge 互联网访问，未打包成安装包，用户只能用浏览器访问。
二期规划：生成安装包（全量打包，脱机即用） #
安装包将内嵌后端、前端、索引、Python 运行环境、本地大模型（Ollama + Qwen 等国产模型）与本地 Embedding 模型（BGE-M3），实现完全脱机运行，适合涉密内网。特性包括：自动检测系统环境、注册为 Windows 服务开机自启、可视化安装向导、支持静默安装便于企业批量部署，默认本地模型也可在设置中切云端。
本地化可行性 #
| 组件 | 本地化可行性 |
|---|---|
| FastAPI / Streamlit / FAISS / PyMuPDF | ✅ 纯 Python，可本地运行 |
| 混元 LLM（当前一期） | ⚠️ 需联网调用 TokenHub API |
| Ollama + Qwen / BGE-M3（二期） | ✅ 本地运行，脱机可用 |
