OrgMind 组织智能系统技术文档

📖 目录

• 1. 项目概述
• 2. 技术栈
• 3. 系统架构
• 4. 后端详细设计
• 5. 前端详细设计
• 6. 部署指南
• 7. 系统功能截图
• 8. 学习交流

---

1. 项目概述 (Project Overview)

OrgMind 是一个集成了 OA 组织架构管理、RAG 知识库问答、AI 智能考试 与 企业级权限管理 的现代化组织智能系统。

系统采用前后端分离架构，前端基于 Ant Design Pro (React) 构建，后端采用高性能的 FastAPI (Python) 框架，底层数据存储使用 PostgreSQL 并结合 pgvector 实现向量检索能力。

---

2. 技术栈 (Technology Stack)

2.1 前端 (Frontend)

• 核心框架: React 19 + UmiJS Max
• UI 组件库: Ant Design 5.x + Ant Design Pro Components
• 语言: TypeScript 5.x
• 图表可视化: @ant-design/charts (G2Plot)
• 构建工具: Webpack (via Umi)
• 代码规范: Biome, ESLint, Prettier

2.2 后端 (Backend)

• Web 框架: FastAPI (Python 3.11+) - 高性能异步框架
• ORM: SQLAlchemy - 数据库交互
• 数据库: PostgreSQL + pgvector 插件 (向量存储)
• AI/LLM 框架: LangChain - 构筑 RAG 流水线
• 数据验证: Pydantic v2
• 身份认证: OAuth2 + JWT (python-jose)
• 文档处理: pypdf, docx2txt, python-docx
• 分词工具: Jieba (中文分词)

2.3 基础设施 (Infrastructure)

• 向量数据库: PostgreSQL (pgvector)
• 模型服务: 兼容 OpenAI 接口的模型服务 (默认配置接入百智云/DeepSeek)
• 反向代理: Nginx (生产环境建议)

---

3. 系统架构 (System Architecture)

3.1 核心模块划分

模块	功能描述	关键技术点
OA 管理 (OA)	部门、岗位、职员、薪酬项管理	树形结构存储 (ltree 或递归查询)，复杂关联查询
RAG 知识库 (RAG)	文档上传、解析、切片、向量化、智能问答	LangChain TextSplitter, Embedding (BGE-M3), Rerank, Vector Search
考试中心 (Exam)	试卷编辑、在线考试、自动阅卷、成绩看板	倒计时控制、防作弊逻辑、自动评分算法
系统管理 (System)	用户、角色、权限 (RBAC)、数据字典	基于 RBAC 的动态权限控制，前端路由鉴权
门户 (Portal)	员工自助服务、AI 助手入口、通知公告	响应式布局，个性化推荐

3.2 核心模块功能矩阵

模块	主要功能	技术亮点	关键截图
🏢 OA 管理	部门、岗位、职员、薪酬管理	树形结构存储、复杂关联查询	部门管理
📚 RAG 知识库	文档管理、智能问答、向量检索	LangChain + Embedding + Rerank	知识库列表
📝 考试中心	AI出题、在线考试、成绩分析	倒计时控制、防作弊、自动评分	考试列表
⚙️ 系统管理	用户、角色、权限、字典	RBAC权限模型、动态路由	权限管理
🚪 员工门户	自助服务、AI助手、通知	响应式布局、个性化推荐	门户页面

3.3 核心业务实体关系 (ER Diagram)

展示组织架构、知识库与考试中心三大核心领域的实体关系，重点设计包括部门树路径枚举、统一权限模型及题目溯源机制。

3.4 AI 智能问答流程 (RAG Flow)

展示员工发起 AI 提问时的完整处理流程，包含权限注入、元数据过滤及敏感审计等关键安全设计。

核心流程说明：

1. 文档上传: 用户上传 PDF/Word/Markdown 文档
2. 解析与切片: 后端服务提取文本，使用 LangChain 进行语义切片
3. 向量化: 调用 Embedding 模型 (默认 bge-m3) 将文本转换为向量
4. 存储: 向量数据存入 PostgreSQL pgvector 字段
5. 检索与生成: 用户提问 → 生成问题向量 → 数据库相似度检索 → Rerank 重排序 → LLM 生成回答

3.5 考试系统核心流程 (Exam System Flow)

展示从 AI 辅助出题、RESTful 试卷交互到即时规则判分的完整闭环流程。

考试系统亮点：

• AI智能出题: 基于知识库内容自动生成考试题目
• 防作弊机制: 倒计时控制、切屏检测、答案锁定
• 自动评分: 客观题即时评分，主观题AI辅助评分
• 成绩分析: 多维度成绩统计和可视化展示

---

4. 后端详细设计 (Backend Details)

4.1 目录结构 (orgmind-backend)

orgmind-backend/
├── app/
│   ├── api/             # API 路由定义 (v1/endpoints)
│   ├── core/            # 核心配置 (config.py, security.py)
│   ├── db/              # 数据库连接与基类 (session.py, base.py)
│   ├── models/          # SQLAlchemy 数据模型 (ORM)
│   ├── schemas/         # Pydantic 数据验证模型 (DTO)
│   ├── services/        # 复杂业务逻辑 (rag.py, exam.py, llm.py)
│   └── utils/           # 工具函数
├── data/                # 静态文件存储 (uploads, img)
├── main.py              # 应用入口
├── requirements.txt     # 依赖列表
└── enable_pgvector.py   # 数据库插件初始化脚本

4.2 关键配置 (app/core/config.py)

系统通过环境变量或默认值配置核心参数：

• Database: PostgreSQL 连接串。

• Security: SECRET_KEY, ALGORITHM (HS256)。

• LLM Models (AI 模型配置): 为了简化集成流程，本项目目前一次性接入了 长亭百智云 的模型广场服务，涵盖了 RAG 所需的全套模型能力。

  • 智能对话模型 (必须配置): 负责最终的答案生成与逻辑推理 (默认配置: deepseek-v3)。
  • 向量模型 (必须配置): 负责知识库文档的语义向量化 (默认配置: bge-m3)。
  • 重排序模型 (必须配置): 负责对初步检索结果进行语义重排序，提升 RAG 准确率 (默认配置: bge-reranker-v2-m3)。

  说明：虽然默认接入百智云，但系统底层基于标准 OpenAI 接口协议封装。如果您需要对接 Azure OpenAI、阿里通义千问或本地部署的 Ollama 模型，只需在 .env 文件中修改对应的 BASE_URL 和 API_KEY 即可自行替换。

---

5. 前端详细设计 (Frontend Details)

5.1 目录结构 (orgmind-frontend)

orgmind-frontend/
├── config/              # Umi 配置 (routes.ts, proxy.ts)
├── src/
│   ├── components/      # 全局公共组件
│   ├── pages/           # 页面组件
│   │   ├── OA/          # OA 模块页面
│   │   ├── RAG/         # RAG 模块页面
│   │   ├── Exam/        # 考试模块页面
│   │   └── System/      # 系统管理页面
│   ├── services/        # API 请求层 (定义后端接口调用)
│   ├── access.ts        # 权限控制定义
│   └── app.tsx          # 运行时配置 (初始状态、布局)
└── types/               # TypeScript 类型定义

5.2 路由与权限 (config/routes.ts)

路由配置集成了菜单生成与权限校验：

{
  path: '/oa/department',
  name: '部门管理',
  component: './OA/Department',
  access: 'canOaDepartmentList', // 对应 src/access.ts 中的权限判断
}

---

6. 部署指南 (Deployment Guide)

6.1 前置要求

• Python 3.11+
• Node.js 20+
• PostgreSQL 15+ (必须安装 vector 扩展)

6.2 后端启动

1. 安装依赖: pip install -r requirements.txt
2. 初始化数据库: python enable_pgvector.py (确保 PG 已安装 vector 插件)
3. 启动服务: uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

6.3 前端启动

1. 安装依赖: npm install
2. 启动开发服: npm run start (默认端口 8000，需在 config/proxy.ts 配置后端代理)

6.4 环境变量

建议在后端根目录创建 .env 文件覆盖 app/core/config.py 中的默认设置，特别是 CHAT_API_KEY 和数据库密码。

---

7. 系统功能截图 (System Screenshots)

7.1 门户与首页

系统首页

系统总览仪表板，展示关键业务指标和快捷入口

员工门户

员工自助服务门户，集成个人信息、通知公告和快捷功能

门户智能问答

基于RAG知识库的智能问答功能，员工可快速获取业务知识

门户配置

可配置的门户落地页，支持个性化定制

7.2 组织架构管理 (OA)

部门管理

树形组织架构管理，支持多级部门结构和拖拽排序

岗位管理

岗位体系管理，定义岗位职责和汇报关系

职员管理

员工信息管理，包括基本信息、岗位分配和状态管理

职员角色分配

员工角色权限分配，支持一人多角色和权限继承

薪酬项管理

薪酬结构配置，支持自定义薪酬项目和计算公式

7.3 RAG知识库系统

知识库列表

企业知识库管理，支持多知识库和权限隔离

文档管理

文档上传、分类和版本管理，支持多种文档格式

文档浏览

在线文档预览，支持高亮标注和目录导航

智能问答界面

基于上传文档的智能问答，支持多轮对话和上下文理解

对话历史记录

用户问答历史管理，支持对话记录查看和重新提问

智能问答监控

系统监控面板，实时展示问答使用情况和性能指标

7.4 考试中心

考试列表

考试管理列表，展示考试状态、参与人数和创建信息

AI智能生成试卷

基于知识库的AI智能出题，支持人工编辑和题目溯源

在线考试界面

考试进行页面，支持倒计时、防切屏和自动保存功能

考试结果

个人考试成绩展示，包含得分、答题详情和错题解析

成绩看板

全员考试成绩统计分析，支持多维度数据展示

7.5 系统管理

用户管理

系统用户账号管理，支持用户状态控制和密码重置

角色管理

角色权限管理，支持角色层级和权限继承

权限管理

细粒度权限控制，支持菜单、按钮级别的权限配置

个人设置

用户个人中心，支持个人信息修改和密码设置

---

8. 学习交流

微信：PJ221BBB	公众号：布鲁的Python之旅