K-文化的一切——从回归到 K-美妆,发送到您的邮箱订阅邮件

METAL MEDIA

TOPDEV99999/AI-Knowledge-Management-Platform

94Jupyter NotebookMIT-0

一个能读公司文件还能帮你算数据的AI助手

这个开源项目是一个AI助手,它不仅能在公司文件里搜索信息来回答问题,还能把文件里的信息提取成结构化数据,用SQL查询来回答分析类问题,比如未来3个月内哪些合同即将到期。系统里的LLM智能体会自己判断该用搜索、SQL查询还是其他工具,从而处理需要多个步骤的复杂问题。

它做什么

  1. 用常见的RAG方式(先检索相关文档内容,再据此生成回答)来回答事实性问题
  2. 通过批量处理文档,把合同等信息中的结构化实体提取出来存入数据库,再把分析类问题转换成SQL查询去数据库里查
  3. 采用ReAct(推理加行动)方式的LLM智能体,自主决定使用搜索、SQL查询还是其他工具
  4. 项目结构包括后端、基于Next.js的聊天前端、文档处理的数据管道notebook,以及实验模块
  5. 以Jupyter Notebook为主,在GitHub上获得94个星标

为什么重要

对于需要处理合同等非结构化文件、又常常要问到期时间之类需要计算的问题的实际工作场景,这提供了一个自动化思路,省去人工逐份翻找文件的功夫。它也是一个把检索式AI和数据分析式AI整合进同一个智能体的具体开源案例,可供参考学习。

本仓库术语

  • RAG · 检索增强生成,先检索相关文档内容,再据此生成回答的方法
  • ReAct · AI在推理和调用工具行动之间交替进行以解决问题的智能体方式
  • SQL · 用于查询数据库中表格型数据的语言
  • 实体提取 · 从文档中提取出合同方、日期、金额等有意义信息片段的过程
  • 向量检索 · 把文本转换成数字向量以查找语义相近内容的搜索方式

仓库简介(英文)

An agentic LLM-powered knowledge assistant that enhances RAG capabilities through automated entity extraction, structured data analysis, and SQL-based reasoning to deliver accurate answers for complex, multi-step, and analytical queries.

在 GitHub 打开

热门仓库

全部仓库 →

METAL MEDIA 最新报道