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/DOC/DOCX 文档解析（阿里云文档智能）
• ✅ 基于阿里云 vector_chunks 的统一切片
• ✅ OpenAI 兼容 embedding（text-embedding-v3，1536维）
• ✅ Milvus 向量数据库存储与 dense-only 检索
• ✅ FastAPI接口封装

项目结构

AIRegulation-DocAnalysis-Demo/
├── backend/
│   ├── app/
│   │   ├── api/                # FastAPI 接口层
│   │   ├── application/        # 用例编排层
│   │   ├── domain/             # 领域模型与稳定端口
│   │   ├── infrastructure/     # MinIO / Milvus / 阿里云 / embedding / session 适配
│   │   ├── shared/             # 组合根、配置无关 wiring 与横切支撑
│   │   ├── config/             # 配置与日志
│   │   ├── services/           # 迁移期 legacy façade，不是新增业务逻辑默认落点
│   │   ├── workflows/          # 迁移期 legacy workflow，不是新增业务逻辑默认落点
│   │   └── 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

./dev.sh setup

2. 启动Milvus向量数据库

cd docker
docker-compose up -d

等待Milvus启动完成（约30秒）：

docker-compose logs -f milvus

3. 启动API服务

./dev.sh start api --foreground

访问API文档：http://localhost:8000/docs

API接口

Backend Architecture

• Backend 架构规范文档：docs/architecture/backend-project-architecture.md
• Backend 迁移 RFC：docs/rfc/backend-api-parsing-embedding-migration-requirements.md
• 后续 backend 新增功能、重构和技术替换必须同时满足 RFC 与架构文档。
• backend/app/services/* 与 backend/app/workflows/* 当前属于迁移期遗留目录，除迁移或兼容修复外，不应继续承载新的业务编排。

上传文档

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

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	阿里云文档智能 + python-docx
分块策略	阿里云 vector_chunks
嵌入模型	text-embedding-v3（1536维 Dense）
向量数据库	Milvus 2.4（本地Docker部署）
检索方式	Dense-only 检索
API框架	FastAPI

配置

创建 .env 文件（参考 .env.example）：

# Milvus配置
MILVUS_HOST=localhost
MILVUS_PORT=19530

# 阿里云文档解析
ALIBABA_ACCESS_KEY_ID=your_aliyun_access_key_id
ALIBABA_ACCESS_KEY_SECRET=your_aliyun_access_key_secret
PARSER_BACKEND=aliyun
CHUNK_BACKEND=aliyun

# embedding 配置
EMBEDDING_MODEL=text-embedding-v3
EMBEDDING_DIM=1536
EMBEDDING_API_KEY=your_embedding_api_key_here

# 分块配置
CHUNK_SIZE=512

后续迭代（不在本次MVP范围）

• LLM摘要生成（当前上传主链路默认不生成）
• 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

解析产物

上传成功后，系统会把阿里云解析的中间结果持久化到 MinIO：

• artifacts/{doc_id}/layouts.json
• artifacts/{doc_id}/structure_nodes.json
• artifacts/{doc_id}/semantic_blocks.json
• artifacts/{doc_id}/vector_chunks.json

当前默认 Milvus collection 为 regulations_dense_1536_v2。

许可证

MIT License