# SysDocAgent

**Repository Path**: ouyueyang/sys-doc-agent

## Basic Information

- **Project Name**: SysDocAgent
- **Description**: SysDocAgent：基于 LLM 的安全管理体系文件自动生成系统。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-02
- **Last Updated**: 2026-06-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# SysDocAgent — 安全体系文件编制智能体

基于 LLM 的 LNG 接收站安全管理体系文件自动生成与审核系统。输入企业七要素画像，经过模板驱动 + 混合检索 + 逐节 LLM 生成 + DOCX 渲染，输出排版规范的安全生产管理制度文件（Word 成品），支持生成与审核双模式。

> 详细文档: [docs/v2/](docs/v2/README.md)

## 快速开始

### CLI 模式

```bash
# 1. 安装依赖
uv sync

# 2. 配置 API Key
export DEEPSEEK_API_KEY="sk-..."       # DeepSeek (LLM 生成)
export DASHSCOPE_API_KEY="sk-..."      # 阿里云百炼 (语义检索，可选)

# 配置文件: config/default_config.yaml (路径/LLM/渲染 默认参数)

# 3. 构建法规向量索引（首次或法规更新后执行）
python src/knowledge/embedding_index.py

# 4. 生成制度文件
python -m src.cli generate -i data/samples/TPL101/TPL101_sample1_gen.json -o output/

# 5. 查看输出
ls output/01_*/
```

### Web 前端

```bash
uv run streamlit run frontend/app.py
```

页面功能：生成制度（表单+JSON导入）、审核制度（上传+AI审核）、法规库浏览、模板查看、系统配置。

## 命令参考

```bash
# 列出可用模板
python -m src.cli list-templates

# 生成制度文件
python -m src.cli generate -i data/samples/TPL101/TPL101_sample1_gen.json -o output/

# 审核制度文件
#   方式1: JSON 内 targetDocumentFile 指向 review_targets/ 下的 MD
python -m src.cli review -i data/samples/TPL101/TPL101_sample3_rev.json -o output/
#   方式2: --target 直接指定待审 MD
python -m src.cli review -i data/samples/TPL101/TPL101_sample3_rev.json \
    -t data/samples/TPL101/review_targets/TPL101_sample3_target.md
```

## 支持的文件类型

| 编号 | 文件类型 | 模板 | 结构特征 |
|------|---------|------|---------|
| 01 | 安全生产管理制度 | TPL101 | 综合纲领，7节16章（档位可裁剪） |
| 02 | 安全生产责任制度 | TPL102 | 逐岗位清单，八级序列 |
| 03 | 安全教育培训制度 | TPL103 | 培训矩阵，学时红线 |
| 04 | 安全生产费用管理制度 | TPL104 | 提取测算，十大科目 |
| 05 | 安全生产例会制度 | TPL105 | 会议矩阵，领导参会 |

## 系统架构

```
七要素输入 (DocumentInput)
    │
    ▼
[1. 输入加载]  ← 校验 schema + 推导模板档位 (full/medium/lean)
    │
    ▼
[2. 模板加载]  ← 按 document_type 加载模板，解析条件开关
    │
    ▼
[3. 法规检索]  ← 关键词匹配 + 语义相似度 → RRF 融合 → Top-K
    │             ChromaDB 向量索引 (Aliyun text-embedding-v4)
    ▼
[4. 内容生成]  ← 逐节 LLM 生成 (DeepSeek)，制度文风 (应/宜/可)
    │             → content_data.json
    ▼
[5. DOCX 渲染] ← 封面 + 正文章节 + 法规附录 + 签批栏 + 页码
    │
    ▼
输出包:
  XX_企业名称/
    ├── 企业_制度名称.docx
    ├── 说明.md
    ├── content_data.json
    └── regulation_index.json
```

### 关键设计

- **双模式**：生成（七要素 → 制度全文） + 审核（待审文本 → 缺陷清单）
- **档位自适应**：四问推导 full/medium/lean，自动裁剪章节
- **条件开关**：行业轨道（危化品/工贸/EPC）、地方（湖北导则）、企业规模
- **混合检索**：关键词精确匹配 + ChromaDB 语义 ANN → RRF 融合，无 API 时静默降级
- **结构化先行**：先生成 `content_data.json` 后渲染 `.docx`，内容与格式解耦

## 目录结构

```
SysDocAgent/
├── src/
│   ├── cli.py                  # CLI 入口
│   ├── pipeline/               # 管道化核心
│   │   ├── orchestrator.py     # 总调度器
│   │   ├── content_generator.py     # 逐节 LLM 生成
│   │   ├── docx_renderer.py    # DOCX 渲染 (封面/章节/附录/签批)
│   │   └── regulation_retriever.py  # 混合检索 (关键词+ChromaDB语义)
│   ├── models/
│   │   └── input_models.py     # 七要素 DocumentInput + 5种CoreElement
│   ├── llm/
│   │   ├── deepseek_client.py  # DeepSeek API 封装
│   │   └── prompt_builder.py   # 制度文档 Prompt 构建器
│   ├── knowledge/              # 知识库
│   │   ├── templates/          # 模板定义 (TPL101~105)
│   │   │   └── .legacy/        # 旧 TPL001/005 归档
│   │   ├── regulation_db/      # 法规库 JSON (15份, ~1800条)
│   │   ├── gb_extractor.py     # PDF 国标 + 法律全文提取
│   │   ├── refine_keywords.py  # DeepSeek Flash 批量精标关键词
│   │   ├── embedding_index.py  # ChromaDB 向量索引构建
│   │   ├── ocr_batch.py        # Qwen VL OCR 批量扫描件
│   │   └── verify_ocr_alignment.py  # OCR 条款编号校验
│   └── .legacy/                # 旧实现归档 (v1 年度计划流水线)
├── data/
│   ├── regulation_db/          # 法规库 JSON (16份)
│   ├── templates/              # 模板定义 (TPL101~105)
│   ├── chroma_db/              # ChromaDB 向量索引
│   └── samples/                # 样例数据 (5类×5企业)
├── frontend/                   # Streamlit Web 前端
│   ├── app.py                  # 首页仪表盘
│   └── pages/                  # 功能页面
├── config/
│   └── default_config.yaml     # 默认配置 (路径/LLM/渲染/OCR)
├── output/                     # 生成输出
└── pyproject.toml
```

## 法规知识库

| reg_id | 法规名称 | 版本 | 条款 | 获取 |
|--------|---------|------|------|------|
| REG001 | 安全生产法 | 2021修正 | 108 | HTML |
| REG002 | 危化企业安全生产标准化通用规范 | GB 45673-2025 | 60 | PDF |
| REG003 | 大中型企业安全生产标准化管理体系 | GB/T 33000-2025 | 49 | PDF |
| REG004 | 风险分级管控技术规范 | GB/T 45420-2025 | 48 | PDF |
| REG005 | 危险化学品重大危险源辨识 | GB 18218-2018 | 19 | OCR |
| REG006 | 危化企业特殊作业安全规范 | GB 30871-2022 | 126 | OCR |
| REG007 | LNG接收站工程设计规范 | GB 51156-2015 | 822 | OCR |
| REG008 | 职业健康安全管理体系 | GB/T 45001-2020 | 147 | OCR |
| REG010 | 危险化学品安全管理条例 | 国务院令第344号 | 72 | HTML |
| REG011 | 化工过程安全管理导则 | AQ/T 3034-2022 | 120 | PDF |
| REG012 | 重大危险源安全监控技术规范 | AQ 3035-2010 | 91 | OCR |
| REG013 | 化工企业定量风险评价导则 | AQ/T 3046-2013 | 141 | OCR |
| REG014 | 安全生产费用提取和使用管理办法 | 财资〔2022〕136号 | 40 | PDF |
| REG015 | 危化企业隐患排查治理导则 | 应急〔2019〕78号 | 99 | PDF |
| REG016 | 安全生产培训管理办法 | 总局令第44号 | 38 | OCR |

> 详细来源 URL 见 `REGSOURCE.md`。

### 法规库维护

```bash
# 提取新 PDF (gb_extractor 自动跳过已有)
python src/knowledge/gb_extractor.py

# OCR 扫描件 (需 DASHSCOPE_API_KEY)
python src/knowledge/ocr_batch.py

# 精标关键词 (增量模式跳过已处理)
python src/knowledge/refine_keywords.py --incremental

# 向量索引 (增量追加)
python src/knowledge/embedding_index.py --incremental

# OCR 条款校验 (需 DEEPSEEK_API_KEY)
python src/knowledge/verify_ocr_alignment.py
```

## 技术栈

| 层次 | 技术 |
|------|------|
| LLM 生成 | DeepSeek API (deepseek-chat) |
| 关键词精标 | DeepSeek Flash |
| 语义检索 | Aliyun text-embedding-v4 + ChromaDB |
| OCR 文本提取 | Qwen VL OCR (qwen3.5-ocr) |
| 数据校验 | Pydantic v2 |
| DOCX 渲染 | python-docx + lxml |
| PDF 解析 | PyMuPDF (fitz) |
| 任务编排 | Python asyncio |
| Web 前端 | Streamlit |
| 包管理 | uv |

## 分支说明

| 分支 | 用途 |
|------|------|
| `master` | 当前主分支 (v2 制度文件) |
| `legacy` | v1 年度计划流水线归档 |

## 详细文档

参见 [docs/v2/](docs/v2/README.md)：架构、输入模型、模板规范、流水线模块、法规库、CLI、前端、测试。
| `refactor/v2-system-documents` | v2 开发分支 |