# AI合规智能中枢 — 整体部署规划 > **版本：** 调研版 v1.0 | **日期：** 2026.04 | **团队：** T-Systems AI Regulations Team --- ## 一、项目背景 AI+合规智能中枢面向车企与工厂，是一个全链路合规智能平台。主要解决以下痛点： | 痛点 | 说明 | |------|------| | 法规来源复杂 | GB、MIIT、UN-ECE、IATF 16949、ISO 45001 等多源并行 | | 更新频率高 | 新能源、数据安全、碳排放法规频繁变动 | | 跨语言要求 | 中英德法多语言法规并存 | | 文档管理分散 | 内部文档与外部法规割裂，难以统一检索 | | 被动识别隐患 | EHS 合规靠人工排查，效率低下 | **调研目标：** 以最小资源投入（Docker Compose 单机）验证三条核心业务闭环的技术可行性。 --- ## 二、部署架构概览 ``` ┌─────────────────────────────────────────────────────────────────┐ │ 单台服务器 │ │ ┌──────────────┐ ┌──────────────────────────────────────┐ │ │ │ API 网关 │ │ Docker Compose │ │ │ │ Nginx :80 │───▶│ │ │ │ └──────────────┘ │ ┌──────────────────────────────┐ │ │ │ │ │ 业务服务层 │ │ │ │ │ │ compliance-backend :8000 │ │ │ │ │ │ celery-worker │ │ │ │ │ │ celery-beat │ │ │ │ │ └──────────┬───────────────────┘ │ │ │ │ │ │ │ │ │ ┌──────────▼───────────────────┐ │ │ │ │ │ AI 模型层 │ │ │ │ │ │ embedding-service :8010 │ │ │ │ │ │ mcp-server(MinerU) :8011 │ │ │ │ │ │ LLM → DeepSeek API (云端) │ │ │ │ │ └──────────┬───────────────────┘ │ │ │ │ │ │ │ │ │ ┌──────────▼───────────────────┐ │ │ │ │ │ 数据层 │ │ │ │ │ │ PostgreSQL :5432 │ │ │ │ │ │ Redis :6379 │ │ │ │ │ │ Milvus :19530 │ │ │ │ │ │ Neo4j :7474/:7687 │ │ │ │ │ │ MinIO (Milvus内置) │ │ │ │ │ └──────────────────────────────┘ │ │ │ └──────────────────────────────────────┘ │ └─────────────────────────────────────────────────────────────────┘ │ ┌─────────▼──────────┐ │ DeepSeek API │ │ (云端 LLM) │ └────────────────────┘ ``` --- ## 三、原方案 vs 调研方案对比 | 维度 | 原方案（生产级）| 调研方案 | 降级理由 | |------|--------------|---------|---------| | 编排 | Kubernetes 1.36 + Helm | **Docker Compose** | 无需集群管理，`up -d` 一键启动 | | LLM | vLLM + DeepSeek-V3（4×A100）| **DeepSeek/Qwen 云端 API** | 无 GPU 依赖，秒级就绪 | | 嵌入模型 | BGE-M3 GPU 服务 | **BGE-M3 CPU 容器** | 调研数据量小，CPU 够用 | | Milvus | 分布式集群 + MinIO | **Milvus Standalone**（含内置 MinIO）| 单容器，省去 MinIO 独立部署 | | 消息队列 | Kafka 3 节点 | **Redis + Celery**（复用已有 Redis）| 调研无需高吞吐，大幅简化 | | 监控 | Prometheus + Grafana + ELK | **仅 Prometheus + Grafana**（可选）| 轻量，后期按需加 | | 安全 | JWT + cert-manager + RBAC | **API Key 简单认证** | 调研期无需生产级安全 | | CI/CD | GitLab CI 完整流水线 | **无**（手动部署）| 调研期直接 compose up | --- ## 四、硬件最低要求 | 资源 | 最低配置 | 推荐配置 | 说明 | |------|---------|---------|------| | CPU | 8 核 | 16 核+ | BGE-M3 CPU 模式需要较多核心 | | 内存 | 32 GB | 64 GB | Milvus + BGE-M3 + Neo4j 内存消耗较大 | | 存储 | 200 GB SSD | 500 GB SSD | 含模型文件（约 5GB）+ 数据 | | GPU | **无需** | 1× RTX 3090（24GB）| 有 GPU 可加速嵌入/MinerU | | 网络 | 能访问 DeepSeek API | — | LLM 完全在云端 | | OS | Ubuntu 22.04 LTS | — | 或 Windows 11 + WSL2 | **各组件内存估算：** | 服务 | 内存占用 | |------|---------| | PostgreSQL | ~1 GB | | Redis | ~512 MB | | Milvus（含 etcd/minio）| ~4 GB | | Neo4j | ~2 GB | | BGE-M3（CPU 模式）| ~6 GB | | MinerU（CPU 模式）| ~4 GB | | compliance-backend | ~1 GB | | celery-worker × 1 | ~1 GB | | **合计** | **~20 GB** | --- ## 五、五阶段部署步骤（总览） ``` 阶段一：宿主机环境准备 └─ 安装 Docker CE / Docker Desktop └─ 配置 nvidia-container-toolkit（有 GPU 时） └─ 创建项目目录，配置 .env 阶段二：基础中间件启动 └─ PostgreSQL + Redis（优先启动） └─ etcd + MinIO（Milvus 依赖） └─ Milvus Standalone（向量检索核心） └─ Neo4j Community（知识图谱） 阶段三：AI 模型服务构建与启动 └─ 构建 embedding-service（BGE-M3 封装） └─ 构建 mcp-server（MinerU 封装） └─ 预下载模型（BGE-M3 ~2.5GB，MinerU ~2GB） 阶段四：业务微服务启动 └─ compliance-backend（FastAPI 主服务） └─ celery-worker（异步任务处理） └─ celery-beat（定时任务调度） └─ nginx（API 网关） 阶段五：验证与闭环测试 └─ 健康检查（bash scripts/check_health.sh） └─ 端到端冒烟测试（bash scripts/07_smoke_test.sh） └─ 三条业务闭环验证 ``` --- ## 六、三条核心业务闭环 ### 闭环①：法规入库 → 检索问答 ``` 用户上传 PDF │ ▼ API Gateway（Nginx） │ ▼ kbmp-service（文件接收） │ 异步投递 ▼ Celery Worker │ ├─► parse-worker ──► mcp-server（MinerU 解析） │ │ Markdown + 结构化文本 │ ▼ └─► vectorize-worker ──► embedding-service（BGE-M3） │ 1024维向量 ▼ Milvus（向量存储）+ PostgreSQL（元数据） 用户提问 │ ▼ BM25 关键词检索 + BGE-M3 向量检索（Milvus hybrid search） │ ▼ Cross-Encoder Reranker（精排 Top-K） │ ▼ DeepSeek API（引文锚定生成） │ ▼ 返回答案（含原文引用 + 页码） ``` ### 闭环②：文档上传 → 合规审查 ``` 上传供应商/内部文档 │ ▼ MinerU 解析 → 条款级分割 │ ▼ 法规域匹配（vehicle_safety / data_security / ehs） │ ▼ 与法规库语义比对（向量相似度 + 关键字匹配） │ ▼ DeepSeek API 风险评分（条款级分析） │ ▼ 生成 Markdown 审查报告（风险等级 + 整改建议） ``` ### 闭环③：法规监控 → 变更推送 ``` Celery Beat 定时触发（每天） │ ▼ 抓取监控源（国标委 / 工信部 / 应急管理部 / 生环部） │ ▼ 内容 Hash 比对（检测变更） │ ▼ [有变更] NLP Diff 分析（DeepSeek 提取新增/修订/废止条款） │ ▼ 增量入库（MinerU 解析 → BGE-M3 → Milvus + PostgreSQL + Neo4j） │ ▼ 差距分析（与企业现状比对） │ ▼ 推送通知（Email / Webhook / 飞书 / 钉钉） │ ▼ 记录变更日志 → 触发整改任务 ``` --- ## 七、技术选型决策依据 | 组件 | 选型 | 决策依据 | |------|------|---------| | 向量数据库 | Milvus 2.4 | 支持 Dense+Sparse 混合检索，BGE-M3 配套，生产可扩展 | | 图数据库 | Neo4j 5.x | 法规实体关系建模成熟，APOC 插件丰富，Cypher 查询友好 | | 嵌入模型 | BGE-M3 | 中英文双语，支持 dense+sparse+multi-vector，8192 token 上下文 | | LLM | DeepSeek API | 推理能力强，成本低（约¥1/百万 tokens），OpenAI 兼容 | | 文档解析 | MinerU | GPU 最快 0.21s/页，支持 109 种语言 OCR，布局感知 | | 任务队列 | Celery + Redis | 调研阶段够用，比 Kafka 轻量，Redis 可复用 | | API 框架 | FastAPI | 异步性能好，OpenAPI 自动生成，Pydantic 数据验证 | | 关系数据库 | PostgreSQL + pgvector | 元数据存储 + 备用向量检索，pgvector 镜像开箱即用 | --- ## 八、升级路径（调研 → 生产） | 维度 | 升级内容 | 触发条件 | |------|---------|---------| | LLM | API → 本地 vLLM + DeepSeek-V3 | 数据安全要求/API成本超阈值 | | Milvus | Standalone → 分布式集群 | 向量数据 > 1000 万条 | | 消息队列 | Celery+Redis → Kafka | 并发任务 > 100/分钟 | | 编排 | Docker Compose → Kubernetes | 多节点部署/弹性伸缩需求 | | 安全 | API Key → JWT + RBAC | 对外提供服务/多租户 | | 监控 | Grafana → Grafana + ELK | 日志量大/需要复杂分析 | --- ## 九、文件结构说明 ``` Depolyment/ ├── 00_整体部署规划.md ← 本文档 ├── 01_技术架构详解.md ← 六层架构 + 六大微服务详细说明 ├── 02_组件安装指南.md ← 每个组件的详细安装步骤 ├── 03_业务闭环说明.md ← 三条闭环的数据流和接口规范 ├── README.md ← 快速启动指南 ├── docker-compose.yml ← 全服务编排 ├── .env.example ← 环境变量模板 ├── scripts/ ← 安装与运维脚本（13 个） ├── services/ ← 服务源码 │ ├── embedding/ ← BGE-M3 嵌入服务 │ ├── mcp-server/ ← MinerU 文档解析服务 │ └── compliance-backend/ ← 核心业务后端 ├── config/ ← Nginx、Prometheus 配置 ├── init-sql/ ← PostgreSQL 初始化 SQL ├── data/ ← 运行时数据 ├── logs/ ← 服务日志 └── models/ ← AI 模型缓存 ```