[T.11] 團隊項目：Alpha 階段發布說明
| 項目 | 內容 |
|---|---|
| 這個作業屬于哪個課程 | 2025年春季軟件工程（羅杰、任健） |
| 這個作業的要求在哪里 | [T.11] 團隊項目：Alpha 階段發布說明 |
| 我在這個課程的目標是 | 學習軟件工程的基礎知識，和團隊成員們實踐各種軟件工程的方法與流程，開發一個讓我們值得驕傲的項目 |
| 這個作業在哪個具體方面幫助我實現目標 | Alpha 階段發布說明 |
一、本版本的功能與特性
功能演示
注冊
登錄
低代碼pipeline組件
用戶上傳知識庫文件
新建pipeline
點擊運行pipeline
MCP協議簡化與B端用戶現有系統的集成工作
功能與特性總覽
| 功能/特性名 | 解決的問題 | 應用場景簡介 |
|---|---|---|
| 模塊化Pipeline編排 | 不同業務場景需要靈活配置問答流程 | 企業或個人按需配置處理流程 |
| 多租戶架構支持 | 各部門/用戶知識庫隔離，保障數據安全性 | 企業內部各部門共用一套問答系統 |
| MCP協議雙向集成 | 接入外部系統或暴露知識庫服務能力困難 | 與OA、CRM等企業現有系統對接 |
| 權限分級與審計日志 | 企業需進行合規操作記錄與權限管理 | 管理員設定誰可訪問/上傳哪些文檔 |
| 開箱即用可視化界面 | 非技術用戶難以配置RAG流程 | 個人用戶上傳PDF一鍵問答 |
| 引文追溯與知識庫引用展示 | 回答可信度低，無法驗證來源 | 用戶查看答案出處，提升信任 |
| 推薦機制與個性化知識庫 | 用戶重復提問，效率低 | 根據提問記錄推薦內容，逐步構建知識體系 |
場景講述法描述應用場景
B端企業用戶：企業智能問答助手構建故事
老王是某大型制造企業的IT負責人，公司員工需頻繁查詢操作規范、制度流程，但資料分散在多個系統中。為提升效率，老王使用 RAGnarok私有部署 系統：
- 上傳企業內部制度文檔
- 用 模塊化Pipeline 配置：文檔解析 → 檢索匹配 → 回答生成
- 用 MCP協議 與企業OA系統聯動獲取實時人事制度
- 啟用 多租戶機制，各部門上傳獨立文檔、權限隔離
- 使用 運維調試工具 監控性能
效果：員工提問「請假制度」，系統返回簡潔政策摘要與出處，提升效率90%，大幅減少IT負擔。
C端個人用戶：智能學術助手使用故事
小李是高校研究生，常需撰寫綜述。她通過RAGnarok平臺上傳文獻、筆記，查詢術語定義、總結段落：
- 使用 可視化界面 上傳PDF
- 系統通過RAG流程檢索關鍵內容，返回總結及出處
- 小李收藏答案并將其標記
- 系統基于提問習慣優化后續推薦
效果：小李用RAGnarok生成初稿摘要，效率提升3倍，文獻組織更清晰。
二、本版本修復的缺陷
| 原始問題 | 負面影響與必要性說明 |
|---|---|
| 用戶上傳不同格式文檔后解析失敗 | 多文檔場景易出錯，影響系統穩定性與用戶信任 |
| 權限機制不完善，導致不同租戶數據混淆 | 數據泄露風險高，企業用戶拒絕使用 |
| 知識庫引用顯示不完整，回答缺乏溯源 | 用戶無法信任AI回答內容，特別是學術或合規場景 |
修復方式與效果
- 統一文檔解析接口：引入自動格式識別與格式轉換模塊，支持PDF/HTML/TXT，確保無格式失敗
- 多租戶機制優化：每個租戶配有獨立命名空間和Token認證機制，文檔與回答完全隔離
- 引用鏈路增強：所有回答附帶文檔標題、段落位置及鏈接，提升答案可信度
修復后用戶上傳文檔體驗流暢，企業數據更安全，用戶更信任輸出內容。
三、對運行環境的要求
對客戶端運行環境
| 項目 | 要求說明 |
|---|---|
| 系統平臺 | 支持 Windows 10/11、macOS Monterey/Ventura、Ubuntu 22.04，兼容移動端系統（iOS、Android） |
| 瀏覽器類型與版本 | 推薦使用最新版 Chrome、Edge、Safari、Firefox，兼容主流瀏覽器內核 |
| 網絡要求 | 建議連接穩定的網絡，便于加載文檔與發送請求 |
| 分辨率與適配 | 支持 1080p、2K、4K 屏幕分辨率，已完成移動端響應式適配測試 |
| 接口兼容性 | 支持通過 MCP 協議與外部系統集成，如知識庫平臺、認證系統等 |
對企業私有部署環境要求
| 要求類別 | 配置說明 |
|---|---|
| 操作系統 | Ubuntu 22.04 推薦，兼容 CentOS 7+ / Windows Server / macOS（開發測試環境） |
| 硬件配置 | 最低：8GB RAM + 雙核 CPU；推薦：16GB RAM + 四核 CPU；高負載支持：32GB RAM + 八核 CPU |
| Python 版本 | Python 3.10 及以上，建議使用虛擬環境（venv）或 Conda 進行依賴隔離管理 |
| 部署方式 | 支持本地 Docker 部署、云端部署等 |
| 依賴服務 | Docker / Redis / PostgreSQL 等支持組件需預裝 |
四、安裝與使用方法
個人用戶（Web端）
- 打開官網注冊賬號
- 創建個人知識庫并上傳文檔（支持拖拽）
- 在界面中輸入問題，即可獲得帶引用的AI回答
- 收藏/點贊/反饋回答結果，逐步優化個性化推薦
企業用戶（部署）
- 克隆RAGnarok項目
- 按文檔配置啟動服務
- 登錄后臺上傳企業文檔，配置Pipeline
- 設定權限、集成內網系統、開啟服務
五、已知問題與限制
1. 功能完整性方面
- 多租戶權限控制粒度不足
當前權限體系尚未完全實現對租戶間資源隔離的細粒度控制，如跨租戶操作或部分租戶自定義配置仍依賴統一邏輯處理。 - MCP協議接入能力有限
雖然初步實現了對 MCP（Modular Context Protocol）的解析與傳輸，但對復雜嵌套結構與實時動態上下文的支持仍不完整，限制了與復雜業務系統的深度集成。
2. 技術與性能方面
- LLM響應時間波動大
在高并發或長上下文輸入場景下，LLM模塊存在異步響應延遲不穩定的問題，尚需進一步調優調用策略與上下文壓縮方案。 - 向量檢索性能瓶頸
當前基于 Qdrant 的向量庫檢索模塊在大規模數據（如十萬級文檔）場景下存在響應時間上升趨勢，影響用戶體驗。
3. 用戶體驗與可用性方面
-
文檔上傳格式支持有限
當前知識文檔上傳主要支持PDF和文本格式，尚未覆蓋主流網頁、Office文檔、Markdown等更多類型，限制用戶輸入通道。 -
缺少用戶反饋閉環機制
問答結果雖已支持用戶收藏與參考文獻展示，但缺乏完整的反饋收集與再訓練機制，無法基于用戶行為持續優化問答質量。 -
系統部署復雜度較高
現階段支持私有化部署但依賴多個組件（如LLM API、Qdrant、后端服務）獨立配置，尚未形成統一部署腳本或容器化解決方案。
六、軟件發布方式與地址
C 端用戶訪問（無需部署，開箱即用）
RAGnarok 系統的前端已部署并開放訪問，用戶可以直接通過以下地址使用智能問答平臺：
在線訪問地址：http://81.70.198.42/
B 端用戶部署方式（支持私有化與深度集成）
企業用戶或開發者如需進行私有部署、定制功能或二次開發，請訪問我們的 GitHub 倉庫獲取完整源碼與部署說明：
GitHub 項目地址：https://github.com/RAGnarok-dev/
項目內附帶詳細的部署文檔，涵蓋：
- 后端與前端服務部署說明
- 多租戶與私有部署配置
- 模塊化組件啟用與禁用方法
- 數據庫與模型服務初始化流程
浙公網安備 33010602011771號