开源企业级 RAG 智能问答：多路检索与 MCP 的一体化交付样本

小新最近帮团队挑一套能落地的企业知识问答方案。既要能接自家文档，又要扛得住并发和模型波动，还要给运维留足观测面。他翻了不少演示型项目，最后盯上这套把检索、意图、模型路由和后台管理串成一条链路的工程——不是只贴一个大模型接口，而是把 RAG 从「能问一句」推到「能长期跑」。

README 把它定位成企业级检索增强生成系统：用户提问会先做上下文补全和意图识别，再走向量与关键词等多路检索，融合排序后组装提示词，最终以流式方式返回答案。小新觉得，这条链路恰恰是业务方听得懂、技术同事也敢接手的叙述方式。

核心功能

小新最看重的是「问得准」和「搜得全」能不能兼顾。产品说明里强调多路检索：意图定向与全局向量检索可以并行，再在结果层做融合与重排序，避免只靠一种通道时要么太窄要么太噪。意图侧用树形分类做多级意图和歧义引导，复杂问题还能拆分与多轮对话管理，减轻用户反复改写的负担。

模型侧不是绑死一家供应商：多模型候选、优先级与首包探测、失败自动降级，配合限流与用户级配额、健康检查与熔断，更接近线上真实约束。文档入库走可编排的流水线节点，多种格式解析后入向量库；后台用 React 管理知识库、意图树、入库任务和链路追踪，运维不必只靠翻日志猜链路。

系统技术栈

后端采用 Java 17 与 Spring Boot 3.5.7，数据访问使用 MyBatis Plus，工程为 Maven 多模块聚合，根 POM 中可见 Milvus SDK、Apache Tika、Sa-Token、Redisson 等版本约束。关系库为 MySQL 8.0，向量库为 Milvus 2.4.x，缓存与分布式能力依托 Redis 7.2；对象存储组合为 MinIO 与 RustFS，异步侧有 RocketMQ 5.x。前端为 React 18、Vite、TypeScript 与 Tailwind CSS。安装文档提供 Dockerfile 与 docker-compose 全量编排，便于一键拉起中间件与应用；另含独立 MCP 服务模块，用于工具调用协议侧能力，与主应用的 AI 与业务编排衔接。

特色主要在哪里？

小新认为亮点在于「RAG 全链路产品化」而不是单点 Demo。从入库 Pipeline、检索策略、意图树到会话记忆压缩与摘要持久化，都落在同一套后台可运营；SSE 流式输出配合首包探测，体验上更接近现网助手。MCP 工具集成把知识检索与外部业务调用放在同一套扩展思路里，方便后续接审批、工单等系统，而不是让大模型只能「空谈文档」。全链路追踪与日志则降低排障成本，实施团队交付后仍有抓手。

对我们的生活/工作有什么帮助？

对知识密集岗位——法务、售前、客服、研发文档维护——一套可控的私有问答能显著减少重复检索与口径不一。小新想象财务同事按制度问政策、研发按内部设计文档问接口约定，答案带来可追溯的检索依据，比散落在群文件里翻找更稳。对甲方信息部门，这是可私有化部署的样本：数据留在自有 MySQL、向量库与对象存储，按需接百炼、SiliconFlow 等云端模型密钥，边界清晰。对集成商与二次开发团队，前后端分离、模块边界清楚，便于按行业替换提示词、意图树与入库规则，缩短从 POC 到试运行的时间。

普通人如何实现盈利？

合规前提下，常见路径包括：为企业做私有化部署与参数调优，按人天或项目报价；签年度运维与升级合同，负责中间件备份、扩容与模型供应商切换；针对垂直行业打包意图模板与文档预处理规则，做「行业版」实施；或提供培训与文档服务，帮助客户自有团队接管运营。前提是具备 Java 与基础 DevOps 能力，并明确数据合规与模型商用条款，不夸大效果、不承诺无法审计的「准确率」。