# 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

```
Demo-glm/
├── src/
│   ├── api/                    # FastAPI接口层
│   │   ├── main.py             # API入口
│   │   ├── routes/
│   │   │   ├── documents.py    # 文档上传接口
│   │   │   └── knowledge.py    # 知识库检索接口
│   │   └── models/
│   │       └── document.py     # Pydantic数据模型
│   ├── services/
│   │   ├── parser/             # 文档解析服务
│   │   │   ├── pdf_parser.py   # PDF解析（PyMuPDF）
│   │   │   ├── docx_parser.py  # Word解析
│   │   │   └── mineru_parser.py # MinerU多模态解析
│   │   ├── embedding/          # 嵌入服务
│   │   │   ├── text_chunker.py # 智能分块器
│   │   │   └── bge_m3_embedder.py # BGE-M3嵌入
│   │   ├── storage/
│   │   │   └── milvus_client.py # Milvus客户端
│   │   └── document_processor.py # 文档处理主流程
│   └── config/
│   │   ├── settings.py         # 配置管理
│   │   └── logging.py          # 日志配置
├── tests/
│   ├── test_parser.py          # 解析测试
│   ├── test_embedding.py       # 嵌入测试
│   ├── test_milvus.py          # Milvus测试
│   └── verify_mvp.py           # MVP验证脚本
├── docker/
│   └── docker-compose.yml      # Milvus/MinIO部署
├── requirements.txt
├── pyproject.toml
└── .env.example
```

## 快速开始

### 1. 安装依赖

```bash
pip install -r 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
```

### 4. 启动API服务

```bash
uvicorn src.api.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