设备检修知识检索与作业系统

本项目选题为“基于多模态大模型技术的设备检修知识检索与作业系统”。系统面向设备检修场景，提供知识文档管理、多模态检索、问答生成、知识图谱、作业指导和标注反馈等能力。

功能概览

• 知识管理：上传、解析和审核检修资料，沉淀结构化知识。
• 多模态检索：支持文本、图片等输入，结合向量检索与 BM25 召回。
• 智能问答：支持 DeepSeek/Qwen/Ollama 等文本模型，基于检修知识生成可追溯的回答和参考来源。
• 图片理解：支持单独配置 Qwen-VL 等视觉模型，将故障图片转换为检索语义；推荐 DeepSeek + Qwen-VL 协同。
• 作业系统：根据设备与故障描述生成检修步骤和工单流程。
• 可视化分析：展示检索、知识图谱、工单和标注反馈等数据。

技术栈

• 后端：FastAPI、SQLAlchemy、SQLite、RAG 检索流程
• 前端：Vue 3、Vite、Element Plus、ECharts
• 部署：Docker、Docker Compose、Nginx

目录结构

.
├── backend/            # FastAPI 后端服务
├── frontend/           # Vue 前端应用
├── docker-compose.yml  # 容器编排配置
└── deploy.sh           # 部署脚本

本地运行

后端

cd backend
cp .env.example .env
pip install -r requirements.txt
uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

请在 backend/.env 中填写真实的大模型 API Key。该文件包含敏感信息，默认不会提交到 GitHub。

前端

cd frontend
npm install
npm run dev

Docker Compose

docker compose up -d --build

说明

backend/data/ 下的数据库、上传文件、向量索引和运行时知识图谱属于本地运行数据，默认不提交到仓库。首次运行后系统会按需创建相关目录和文件。