比亚迪智能充电助手
AI/ML
Backend
RAG
基于比亚迪秦、宋、汉公开车型手册与充电安全资料,构建集车型知识问答、个人充电数据分析和充电故障初筛于一体的 RAG / Agent 应用。
技术栈
Python
FastAPI
LangChain
LangGraph
DeepSeek
MySQL
Redis
Chroma
Next.js
Docker
项目介绍
基于比亚迪公开车型手册与充电安全资料,构建车型知识问答、个人充电分析和故障初筛三种交互模式的 RAG / Agent 应用,并围绕检索质量、多轮上下文、缓存可靠性及高风险回答控制完成 V2 升级。
- 完成秦、宋、汉 6 份 DM-i / EV 车型手册及 2 份充电安全资料的解析、清洗、分块、去重和幂等入库,向 Chroma 写入 4,507 条、1024 维向量。
- 使用 DeepSeek 结合近期对话与可信车型生成结构化独立检索查询;通过来源逻辑分组、候选配额、补位及 RRF 融合优化召回,在 60 题版本化评测集上将 Hit@3 由 81.67% 提升至 85.00%、MRR 由 0.658 提升至 0.689,车型越界保持为 0,并完成 Cross-Encoder 重排对照实验。
- 以 MySQL 作为完整会话事实源,使用 Redis 缓存跨三种业务模式的活跃会话最近 10 轮并设置 30 分钟 TTL;缓存异常时自动从 MySQL 恢复,同时将最终模型历史限制为最近 6 轮、12,000 字符。
- 使用 LangGraph 编排信息提取、缺失字段追问、风险分类、资料检索、回答生成和安全回退,并通过前置高风险拦截与生成后复核限制危险建议。
- 使用 FastAPI、Pydantic、SQLAlchemy、MySQL 与 Decimal 构建充电记录分析链路,由 DeepSeek 识别分析意图、调用只读 Tool 并解释确定性统计结果。
- 基于 Next.js 与 SSE 实现流式交互、会话恢复和 Citation 展示,并使用 Docker Compose 编排数据库、后端、前端和初始化流程。
页面信息
智能充电助手主界面
展示车型选择、咨询模式和智能问答入口,支持车辆知识问答、个人充电数据分析与充电故障初筛。
