rag-agent

智能订单全流程检索系统 (Smart Order Process Retrieval System)

基于LangChain + RAG + 知识图谱的跨文档智能检索系统，专注于解决企业内跨部门业务流程的智能问答场景。

🌟 核心特性

• 基于LangChain的智能检索框架
• RAG(检索增强生成)技术提升回答准确性
• 知识图谱构建订单全流程关系网络
• MCP协议实现跨部门系统通信
• 向量数据库支持的相似文档检索
• 支持跨文档的混合检索策略

🛠 技术栈

• 后端框架: Spring Boot 2.7.0
• RAG技术: LangChain4j
• 向量数据库: Chroma
• 知识图谱: Neo4j
• 文档处理: Apache Jena
• 通信协议: MCP (Message Communication Protocol)
• API文档: SpringDoc OpenAPI

💡 业务流程

文档处理流程

1. 收集各部门业务文档
2. 文档分块与向量化处理
3. 存储至向量数据库

知识图谱构建

1. 提取订单流程实体关系
2. 构建Neo4j知识图谱
3. 维护实体间关联关系

订单全流程

1. 下单部门：订单创建与基础信息录入
2. 支付部门：订单支付处理
3. 库存部门：商品备货管理
4. 履约部门：订单履约处理
5. 配送部门：物流配送跟踪

检索查询流程

1. 接收用户查询请求
2. RAG技术检索相关文档
3. 知识图谱补充结构化信息
4. MCP协议获取实时数据
5. 信息整合与智能回答

🚀 快速开始

环境要求

• JDK 11+
• Maven 3.6+
• Neo4j 4.x
• OpenAI API Key

配置说明

# OpenAI配置
openai.api.key=your-openai-api-key

# Neo4j配置
neo4j.uri=bolt://localhost:7687
neo4j.username=neo4j
neo4j.password=password

启动步骤

1. 克隆项目

git clone https://github.com/yourusername/smart-order-retrieval.git

2. 修改配置

cd smart-order-retrieval
vim src/main/resources/application.properties

3. 编译运行

mvn clean package
java -jar target/cross-document-retrieval-1.0-SNAPSHOT.jar

📚 API文档

启动后访问: http://localhost:8080/swagger-ui.html

示例接口

# 查询订单流程
GET /api/retrieval/order-flow?orderId=12345&question=订单从下单到配送的完整流程是什么？

🎯 项目亮点

1. 智能混合检索

   • 结合RAG与知识图谱的混合检索策略
   • 支持跨文档的上下文理解
   • 实时数据与历史文档的融合

2. 知识图谱增强

   • 构建完整的订单流程知识网络
   • 支持复杂关系推理
   • 提供结构化信息补充

3. 跨系统通信

   • 自定义MCP协议
   • 支持跨部门实时数据获取
   • 保证数据一致性

4. 高性能设计

   • 向量化检索提升效率
   • 多级缓存优化
   • 异步处理机制

📝 许可证

版权所有 © 2024

免责声明：

• 本项目仅用于学习和研究目的
• 未经作者本人同意，禁止用于任何商业用途
• 使用本项目造成的任何损失，作者不承担责任

🤝 贡献指南

欢迎提交Issue和Pull Request，一起完善项目。

📞 联系方式

• 作者：[qq749812679]
• 邮箱：[749812679@qq.com]
• GitHub：https://github.com/qq749812679?tab=repositories

⭐ 致谢

感谢以下开源项目：

• LangChain4j
• Neo4j
• Spring Boot
• Apache Jena