# 建筑领域通用 RAG 智能问答系统

**Repository Path**: LeaJone/construction-rag-system

## Basic Information

- **Project Name**: 建筑领域通用 RAG 智能问答系统
- **Description**: 在建筑工程领域，文档通常具备 文本密集、专业术语多、跨专业交叉（如建筑、结构、机电等）的特点，同时面对设计、施工、质量等不同角色下的企业内部知识库检索提出了更高的要求，例如建筑领域设计规范类企业文档表达形式通常为PDF+表格为主、施工工艺类通常以PDF+图片为主、质量管理类通常以DOC文档为主，本项目旨在解决这些痛点。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-09-04
- **Last Updated**: 2026-09-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 建筑领域 RAG-Agent 智能问答系统

## 项目介绍

​		在建筑工程领域，文档通常具备 **文本密集、专业术语多、跨专业交叉（如建筑、结构、机电等）** 的特点，**同时面对设计、施工、质量等不同角色下的企业内部知识库检索**提出了更高的要求，例如建筑领域设计规范类企业文档表达形式通常为PDF+表格为主、施工工艺类通常以PDF+图片为主、质量管理类通常以DOC文档为主，本项目重点解决的痛点！

​		本项目从真实业务痛点出发，打造了一套开箱即用的**建筑垂类 RAG 引擎（从0到1的准生产级项目）**。系统不仅支持常规文档的解析与切分，更独创性地设计了 **“建筑领域规范型文档专用检索器”** 以及“**建筑领域三维工具图集文档专用检索器**”，平均检索精度达到0.92以上。

### 核心功能

##### 1. 深度文档解析与容错处理

- **表格提取增强**：针对建筑规范中大量的参数表格，放弃传统的 `PyPDFLoader`，底层采用 `PyMuPDF (fitz)` 定制解析器，精准识别并提取 PDF 中的表格数据转化为文本结构，防止关键参数丢失。
- **支持文件夹加载**：既支持单个文件上传也支持文件夹批量上传。
- **智能去重机制**：基于文件全量内容的 MD5 摘要建立去重库，防止前端重复上传导致的向量库混乱。

##### 2. 三路召回与 RRF 融合算法

- **BM25 关键词**：精准匹配“抗震等级”、“C30混凝土”等专业性名词。
- **摘要索引优化**：通过大模型对 Chunk 进行摘要，利用摘要进行向量检索，提升宏观语义的匹配度。
- **预设问题向量**：利用大模型反向生成假设性问题并向量化，对齐用户的提问视角。
- **RRF 融合**：通过RRF算法，将三路结果进行平滑归一化，避免绝对分数偏差导致的偏科。

##### 3. 规范型文档专用检索器

- **专业意图识别**：内置涵盖建筑、结构、给排水、暖通、电气等 10 大建筑专业的关键词词典，精准识别用户 Query 隶属的专业。
- **元数据预过滤**：在检索前，通过正则表达式自动为每个 Chunk 打上专业标签。检索时先锁定专业文档，再执行混合检索，从根本上杜绝跨专业检索混乱。
- **重排加持**：对多路召回调用阿里云 Rerank 模型进行精排，确保 Top-K 结果的绝对相关性。

##### 4. 多模态知识库的特殊处理

- 传统 RAG 处理图片往往直接丢弃或只用 OCR 提取零星文字。本系统采用 **VLM 看图打标签** 策略：
  - 使用 `fitz` 提取 PDF 中的图片转为 `base64` 并保留在 `metadata` 中。
  - 将图片送入视觉大模型（VLM），强制模型提取构件名、尺寸、材料、工艺步骤，生成高密度专业术语作为 `page_content`。
  - 检索时用文本匹配这些“高密度标签”，生成时再取出 `base64` 原图让 VLM 看图回答，**完美兼顾了检索的准确性与生成的视觉理解力**。

##### 5. 工程化异常与日志体系

- **分层异常树**：自定义 `RAGBaseException` 基类，向下派生 `FileProcessException`、`VectorDBException` 等，携带上下文参数与完整堆栈，结合 FastAPI 全局拦截器实现统一优雅报错。
- **结构化日志**：基于 YAML 配置的日志门面，支持控制台彩色输出与文件按日滚动分割，方便生产环境线上排障。

**6. 评估体系**

- 系统内置了基于 `RAGAS` 框架的离线评估模块 (`RAGAs.py`)，可量化核心指标，采用本地部署的 Ollama `qwen3-embedding` 模型替代云端调用来降低成本。



## 技术栈

#### 后端技术

| 技术 | 版本/说明 | 用途 |
|------|-----------|------|
| Python | 3.10+ | 核心编程语言 |
| FastAPI | 最新版 | 构建RESTful API接口 |
| LangChain | 最新版 | 大语言模型应用框架 |
| Chroma | 最新版 | 向量数据库，存储嵌入向量 |
| Redis | 最新版 | 缓存系统，提高性能 |
| logger | 最新版 | 日志配置系统 |
| Exception | 最新版 | 统一异常处理 |

#### 前端技术

| 技术 | 版本/说明 | 用途 |
|------|-----------|------|
| Gradio | 最新版 | 构建交互式Web界面 |
| Python | 3.10+ | 前端逻辑实现 |

#### 大模型

| 模型 | 说明 | 用途 |
|------|------|------|
| 阿里云大模型 | qwen3-max、qwen3.6-plus | 文本生成、摘要生成、问题生成、原生态模型 |
| 阿里云嵌入模型 | text-embedding-v4 | 文本向量化，用于向量检索 |
| 阿里云重排序模型 | rerank | 检索结果重排序，提高精度 |
| 本地Ollama模型 | Ollama-qwen3-embedding | RAG系统评估嵌入模型 |



## 项目结构

```
root
├── app.py                  # Gradio 前端界面，与 FastAPI 后端交互
├── graph_router.py         # 核心调度：LangGraph 状态机与路由定义
├── rag/                    
│   ├── db/
│   │   ├── rag_chromadb_1.py   # 通用型向量库入库逻辑 (纯文本切分)
│   │   └── rag_chromadb_2.py   # 多模态向量库入库逻辑 (VLM看图打标签)
│   └── retriever/
│       ├── retriever_1.py      # 通用检索器：向量 + BM25 混合检索
│       └── retriever_2.py      # 多模态检索器：带原图 base64 的向量检索
├── utils/
│   ├── config_handler.py  # YAML 配置文件加载器
│   ├── file_handler.py    # 文件校验、MD5去重、PDF/Doc解析、文档切分
│   ├── path_tool.py       # 项目绝对路径统一管理
│   ├── prompt_loader.py   # 提示语 YAML 加载器
│   └── model.py           # (未提供但引用) 模型加载器 (LLM, VLM, Embedding)
└── configs/                # 配置文件目录 (需自行创建)
    ├── rag.yaml            # RAG 相关参数 (chunk_size, weights等)
​   ├── agent.yaml          # Agent 参数
​   ├── chroma.yaml         # 向量库参数
​   └── prompts.yaml        # 提示词模板
```



## 安装指南

#### 1. 环境准备

- Python 3.10+
- 本地已启动 Redis 服务
- 配置阿里云 DashScope API Key
- 安装requirements.txt 依赖包

#### 2. 配置设置

编辑 `config_db/settings.py` 文件，配置以下参数：

- **阿里云模型配置**：设置API密钥和模型参数
- **Redis配置**：设置Redis连接参数
- **向量数据库配置**：设置Chroma向量数据库参数
- **文件处理配置**：设置文档处理参数

#### 3. 启动服务

```bash
# 启动FastAPI后端
python fastapi_main.py

# 启动Gradio前端
python app.py
```



## 应用场景

#### 1. 内部企业知识库查询

快速查询建筑领域企业的各种规范、标准和技术文档，获取准确的信息。

#### 2. 设计质量控制

基于规范文档，辅助建筑设计质量控制，确保设计符合相关标准。

#### 3. 技术培训

作为建筑领域技术培训的辅助工具，快速获取相关知识点。

#### 4. 项目管理

在项目管理过程中，快速查询相关规范和标准，确保项目合规。



## 联系方式

本项目全部代码已上传GITHUB，如有问题或建议，请联系项目维护者：

- 邮箱：[whyuback@163.com]
- Gitee：[https://gitee.com/zhaoyujia1212/construction-rag-system]

---

**建筑领域通用RAG系统** - 为建筑行业专业人员提供智能知识检索和问答服务