AI-RAG-Knowledge 智能知识库系统

本项目是一个集成了**检索增强生成（RAG）和模型控制协议（MCP）**的智能知识库系统，旨在为企业提供全方位的 AI 辅助解决方案。通过结合多种大语言模型的能力，实现了从文档解析到代码分析的全链路智能化处理。

---

🧠 项目核心特性

• 多模态支持：集成 OpenAI、Ollama 等主流大模型接口，支持文本生成、语义理解与向量化存储。
• 文档智能解析：使用 spring-ai-tika-document-reader 实现对 PDF、Word、Markdown 等格式文档的自动提取与结构化。
• 向量数据库支持：基于 pgvector 实现高效语义搜索，支持大规模非结构化数据的知识抽取与召回。
• 模型控制协议（MCP）：统一管理模型调用流程，提升模型交互效率与可扩展性。
• 分布式任务调度：结合 Redisson 实现任务队列与分布式锁，保障高并发场景下的稳定性。
• Git 集成：内置 Git 操作能力，支持版本追踪与知识更新自动化。

---

📦 项目模块说明

ai-rag-knowledge/
├── xin-dev-tech-api       # 公共 API 定义模块，包含实体类与接口定义
├── xin-dev-tech-app       # 核心业务逻辑模块，实现 RAG 与 MCP 主要功能
├── xin-dev-tech-trigger   # 触发器模块，负责事件监听、定时任务与外部触发
└── pom.xml                # Maven 多模块聚合配置

---

⚙️ 技术栈

技术	描述
Spring Boot	快速构建微服务框架
Spring AI	集成 LLM 接口与工具链
PgVector	PostgreSQL 向量插件，支持语义相似度检索
Redis / Redisson	分布式缓存与任务调度
FastJSON	JSON 数据处理
Apache Commons Lang3	常用工具类封装
JGit	Java 实现的 Git 工具库
OLLAMA / OpenAI	支持本地与云端大模型部署

---

🛠️ 开发环境要求

• JDK 17+
• Maven 3.8+
• PostgreSQL + pgvector 插件
• Redis 6.2+
• Docker（用于快速部署依赖服务）

---

🚀 快速启动

1. 拉取镜像并启动依赖服务

   docker-compose -f docs/dev-ops/docker-compose-environment-aliyun.yml up -d

2. 构建项目

   mvn clean install

3. 运行主模块

   cd xin-dev-tech-app
   mvn spring-boot:run

📄 相关文档

• Docker 部署指南
• MCP 协议设计说明
• RAG 架构详解

---

🤝 贡献者

欢迎参与贡献！请参考 CONTRIBUTING.md 获取更多信息。

---

📜 许可证

该项目遵循 Apache License 2.0，详情请见 LICENSE 文件。

---

如需技术支持或定制开发，请联系项目维护团队。