IC/BCD 智能知识库系统

基于 FastAPI、LangGraph 和 Google Gemini 1.5/2.0 构建的 IC 设计与 BCD 工艺领域高精度多模态知识库系统。

🌟 核心功能

1. 混合解析策略 (Hybrid Parsing Strategy)

• 智能分块: 使用 Smart Chunking 和 Chunk Merger 算法，自动将破碎的文本行合并为语义段落，并识别潜在表格区域。
• 混合分级: 结合关键词规则 (Level 1) 和各类原型向量语义相似度 (Level 2) 进行内容分级。
  • RED: 关键工艺参数，使用 Gemini 2.0 Pro 精准提取。
  • YELLOW: 表格与技术指标，使用 Adaptive Entity Extraction 提取结构化数据。
  • GREEN: 通用文本，快速入库。
• 灵活配置: 可在 core/config.py 中切换 USE_OCR 开关。

2. 自适应实体提取 (Adaptive Entity Extraction)

• Tier-Specific Prompts: 针对不同分级内容加载专用 Prompt（如 RED 层的工艺参数模板、YELLOW 层的关系映射模板）。
• 图谱增强: 利用 Neo4j 构建高精度知识图谱，支持跨段落实体关联。
• 向量检索: 使用本地 BAAI/bge-m3 构建语义索引，存储于 Qdrant。

3. 性能与体验优化

• 批处理 (Batching): 支持多块并发验证，减少 API 调用延迟。
• 自动浏览器: 启动服务时自动打开默认浏览器访问 Web 界面。
• 任务管理: 支持任务取消即时清理数据库，界面侧边栏自动维护任务状态。

🛠️ 技术栈

• 后端: Python 3.12, FastAPI, Uvicorn (Web Server)
• 编排: LangGraph, LangChain
• AI 模型: Google Gemini (via google-genai SDK)
• 数据库:
  • Neo4j (图数据库: 实体关系)
  • Qdrant (向量数据库: 语义检索)
• 前端: 原生 HTML/JS/CSS (极简设计，Unified UI Style)

🚀 快速开始

1. 前置要求

• Python 3.10+
• Docker (用于运行数据库)
• Google Gemini API Key

2. 环境配置

# 创建虚拟环境
python -m venv venv
.\venv\Scripts\activate  # Windows
# source venv/bin/activate # Linux/Mac

# 安装依赖 (已新增 pypdf, numpy)
pip install -r requirements.txt

3. 系统配置

复制 .env.example 为 .env 并填入密钥：

GOOGLE_API_KEY=your_key_here
NEO4J_URI=bolt://localhost:17687
NEO4J_PASSWORD=password
QDRANT_URL=http://localhost:6333
# 如需代理请配置
# HTTPS_PROXY=http://127.0.0.1:7890

4. 启动数据库

使用提供的脚本自动启动服务（已处理端口冲突，使用 17474/17687 端口）：

scripts/start_services.bat

或者手动运行（注意端口映射）：

# Qdrant 向量库
docker run -d -p 6333:6333 qdrant/qdrant
 
# Neo4j 图数据库
# 映射到 17474 (HTTP) 和 17687 (Bolt) 以避开 Windows 保留端口
docker run -d -p 17474:7474 -p 17687:7687 -e NEO4J_AUTH=neo4j/password neo4j

5. 启动服务

python server.py
# 服务启动后，浏览器将自动打开 http://localhost:38080

📂 实用工具

PDF 智能切分

如果文档过大，可以使用内置脚本将其按页拆分（支持拖拽路径）：

python scripts/split_pdf.py

• 支持 30 页/份自动切分。
• 自动处理 Windows 路径引号。

📂 项目结构

• server.py: FastAPI 主程序及 API 接口 (包含后台任务管理)。
• core/: 核心逻辑 (Parser, VectorStore, GraphStore, Config)。
• agents/: LangGraph 节点 (GraphBuilder, RAG Router)。
• static/: 前端静态资源 (Style 统一优化)。
• scripts/: 实用脚本 (test_optimization.py, split_pdf.py)。

💡 使用指南

1. 上传文档: 拖拽 PDF 文件至上传区。系统会自动进行混合解析，提取实体并构建索引。
2. 取消任务: 上传过程中可随时取消，系统会自动清理已产生的脏数据。
3. 专业问答: 提出技术问题（例如：“LDMOS 器件的击穿电压是多少？”）。
4. 图谱溯源: 系统给出的每个论断都会链接到具体的文档和页码。

许可证

MIT