AIRegulation-DocAnalysis/README.md

# AI+合规智能中枢 - 法律法规文档解析入库

面向车企与工厂的合规智能平台，实现法规文档的解析、分块、嵌入和向量存储。

## MVP功能

本次实现的核心功能（最小可用版本）：

- ✅ PDF/DOCX文档解析（MinerU + PyMuPDF）
- ✅ 智能分块（章节级+条款级双粒度切割）
- ✅ BGE-M3嵌入（Dense+Sparse双路向量）
- ✅ Milvus向量数据库存储与混合检索
- ✅ FastAPI接口封装

## 项目结构

```text
AIRegulation-DocAnalysis-Demo/
├── backend/
│   ├── app/
│   │   ├── api/                # FastAPI 接口层
│   │   ├── config/             # 配置与日志
│   │   ├── services/           # 解析、分块、嵌入、存储、Agent
│   │   └── workers/
│   ├── requirements.txt
│   └── main.py
├── frontend/                   # Vite React 前端
├── tests/                      # 根级测试，导入 backend/app
├── docker/
│   └── docker-compose.yml
├── pyproject.toml
└── .env.example
```

## 快速开始

### 1. 安装依赖

```bash
pip install -r backend/requirements.txt
```

### 2. 启动Milvus向量数据库

```bash
cd docker
docker-compose up -d
```

等待Milvus启动完成（约30秒）：
```bash
docker-compose logs -f milvus
```

### 3. 运行验证脚本

```bash
python tests/verify_mvp.py
```

根级测试脚本会自动把 `backend/` 加入导入路径，并从 `app.*` 加载当前后端代码。

### 4. 启动API服务

```bash
PYTHONPATH=backend uvicorn app.main:app --reload --port 8000
```

访问API文档：http://localhost:8000/docs

## API接口

### 上传文档

```bash
curl -X POST http://localhost:8000/api/v1/documents/upload \
  -F "file=@your_regulation.pdf" \
  -F "doc_name=GB 7258-2017" \
  -F "regulation_type=车辆安全"
```

### 检索法规

```bash
curl -X POST http://localhost:8000/api/v1/knowledge/search \
  -H "Content-Type: application/json" \
  -d '{"query": "机动车安全技术要求", "top_k": 10}'
```

## 技术栈

| 类别 | 技术 |
|------|------|
| 文档解析 | MinerU + PyMuPDF + python-docx |
| 分块策略 | 章节级+条款级双粒度切割 |
| 嵌入模型 | BGE-M3（1024维 Dense + Sparse） |
| 向量数据库 | Milvus 2.4（本地Docker部署） |
| 检索方式 | Dense+Sparse混合检索 + RRF融合 |
| API框架 | FastAPI |

## 配置

创建 `.env` 文件（参考 `.env.example`）：

```env
# Milvus配置
MILVUS_HOST=localhost
MILVUS_PORT=19530

# 嵌入模型配置
EMBEDDING_MODEL=BAAI/bge-m3
EMBEDDING_DIM=1024

# 分块配置
CHUNK_SIZE=512
```

## 后续迭代（不在本次MVP范围）

- LLM摘要生成（DeepSeek/Qwen API）
- 文档上传UI界面
- 混合检索问答功能
- 法规变更监控与自动更新

## 许可证

MIT License