面向企业内部合同、发票和运行报告的 AI 工作流系统：把上传、解析、OCR、RAG、结构化抽取、风险检查、人工审批、审计和导出串成一条可观察的处理链路。
- 上传合同、发票或报告，系统记录文件元数据并创建处理任务。
- Agent 依次完成解析、分类、RAG 索引、字段抽取、风险检查和模板生成。
- 工作台展示每一步工具调用、耗时、字段、异常和引用片段。
- 高风险结果进入人工审批；修订会生成新版本并写入审计日志。
- 离线评测持续检查分类、字段抽取、证据检索和负查询拒答。
完整操作节奏见 docs/two-minute-demo.md。当前未提供公网托管演示；本地演示不需要模型 Key，真实模型调用通过后端 OpenAI-compatible 接口完成。
| 证据 | 说明 |
|---|---|
| 抽取评测报告 | 由隐私安全示例数据生成，包含分类、字段 Precision / Recall / F1 和逐案例明细 |
| RAG 评测报告 | 包含 Hit Rate@K、MRR、Evidence Recall、负查询拒答率和逐问题检索片段 |
| 多格式解析测试 | 在 CI 中生成并解析隐私安全的 PDF、DOCX、XLSX 和图片 OCR 样本 |
| GitHub Actions | 自动执行 Python 测试、两套离线评测、Vue 构建、本机 Chrome 页面验收和 Docker 全栈验收 |
| 工作流端到端测试 | 覆盖上传、处理、审批、版本、RAG 和 Markdown / DOCX / PDF 导出 |
公开评测使用明确标注的隐私安全示例数据，不代表生产客户数据。报告中的案例数和指标均由评测脚本生成，README 不另行维护一套数字。
这个项目适合用来展示 AI 应用工程、Agent 工作流和企业级后台产品能力，重点可以讲：
- 端到端 Agent 闭环：从文件上传、解析、OCR、RAG 索引、结构化抽取、风险审查到审批和导出，不只是单点 LLM demo。
- 可观测工作流：前端展示任务进度、Agent 工具链、抽取字段、风险异常、审批队列、审计日志和质量指标。
- 工程化兜底：未配置模型 key 时使用规则抽取兜底，保证本地和面试现场可稳定演示。
- OpenAI-compatible 接入：后端统一模型调用入口，支持 SiliconFlow、DeepSeek、OpenAI-compatible endpoint，并使用 JSON Schema/JSON Object 约束结构化输出。
- 生产化扩展点：Celery 异步任务、Redis、PostgreSQL、MinIO、鉴权开关、RAG 重建、评测脚本和自动化测试都有清晰边界。
求职包装和面试讲法见：docs/job-readiness.md。
项目学习和代码讲解路线见：docs/project-walkthrough.md。
更完整的作品集讲解见：docs/portfolio-case-study.md。
- 文件输入：PDF、Word、Excel、CSV、TXT、图片上传，记录文件元数据、校验值和存储键。
- 文档解析：按文件类型调用解析器，抽取正文、表格、页数/工作表数等元数据。
- OCR：支持图片 OCR 和扫描版 PDF 兜底 OCR。
- RAG：处理任务时自动建立本地文档 chunks，支持知识检索和引用片段回答。
- 字段抽取：支持 OpenAI-compatible API 结构化输出；未配置模型时使用规则抽取兜底。
- Agent 工作流：任务创建、路由、解析、RAG 索引、分类、抽取、风险审查、模板生成、失败重试、人工兜底。
- 异步任务：Celery + Redis 生产模式，本地开发可用 inline 队列；支持进度轮询和 SSE。
- 批处理：一次为多个文件创建任务。
- 审批审计：待审批队列、审批意见、操作日志、结果版本记录。
- 导出结果：根据模板生成 Markdown、DOCX、PDF、TXT 产物。
- 评测：任务成功率、人工接管率、抽取准确率代理、平均处理时长、异常分布。
backend/
app/
api/ FastAPI 路由
models/ SQLAlchemy 模型
schemas/ Pydantic Schema
services/ 解析、抽取、模板、工作流、评测、存储
workers/ Celery worker
alembic/ 数据库迁移
frontend/
src/
components/ Vue 工作台组件
api/ 前端 API 客户端
samples/ 演示文档
scripts/ Demo 和评测脚本
tests/ 后端测试
docker compose up --build默认会读取 .env.example；需要配置真实模型密钥或外部服务地址时，复制为 .env 后覆盖对应变量即可。
访问：
- 前端工作台：http://localhost:4173
- 后端 API：http://localhost:8000/docs
- MinIO 控制台：http://localhost:9001
创建演示任务：
python scripts/seed_demo.py
python scripts/evaluate.py
python scripts/evaluate_dataset.py --labels samples/eval_labels.json --report-output docs/evaluation_report.md
python scripts/evaluate_rag.py --labels samples/rag_eval_labels.json --report-output docs/rag_evaluation_report.md从仓库根目录运行测试：
python -m pytest tests
python scripts/evaluate_dataset.py --labels samples/eval_labels.json --report-output docs/evaluation_report.md
python scripts/evaluate_rag.py --labels samples/rag_eval_labels.json --report-output docs/rag_evaluation_report.md项目包含 GitHub Actions 配置：.github/workflows/ci.yml，会执行后端测试、两套离线评测、前端生产构建、本机 Chrome 页面验收，以及 Docker 全栈和浏览器跨域链路验收。
后端：
cd backend
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
$env:QUEUE_BACKEND="inline"
$env:STORAGE_BACKEND="local"
uvicorn app.main:app --reload --port 8000前端：
cd frontend
npm install
npm run dev本地开发时前端默认通过 Vite 代理访问 /api，指向 http://127.0.0.1:8000。如果要直连其他后端地址，可以设置 VITE_API_BASE_URL 覆盖。
默认未配置模型 key 时，系统会使用规则抽取兜底，保证流程可演示。要接入模型，在 .env 中配置 provider 和对应 key。不要把 key 写入前端环境变量，所有模型请求都从后端发起。
SiliconFlow：
AI_PROVIDER=siliconflow
SILICONFLOW_API_KEY=...
SILICONFLOW_BASE_URL=https://api.siliconflow.cn/v1
SILICONFLOW_MODEL=deepseek-ai/DeepSeek-V3.2
DeepSeek：
AI_PROVIDER=deepseek
DEEPSEEK_API_KEY=...
DEEPSEEK_BASE_URL=https://api.deepseek.com
DEEPSEEK_MODEL=deepseek-chat
OpenAI-compatible custom endpoint：
AI_PROVIDER=openai
OPENAI_API_KEY=...
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_MODEL=gpt-4.1-mini
抽取服务位于 backend/app/services/extractor.py，优先使用 JSON Schema 约束输出；兼容 provider 不支持 json_schema 时会回退到 json_object。
本地演示默认不开启鉴权。生产或答辩演示安全能力时，可以在 .env 中启用：
API_AUTH_ENABLED=true
API_KEYS=demo-admin-key:admin.demo:admin|operator|reviewer|viewer,demo-reviewer-key:reviewer.demo:reviewer|viewer
前端侧边栏的 API Key 输入框会把 key 存在浏览器 localStorage，请求时自动带上 X-API-Key。真实部署时应改用登录态或网关注入的内部 token。
POST /api/files/upload上传文件POST /api/tasks创建单个任务POST /api/tasks/batch批量创建任务GET /api/tasks/{task_id}查看任务详情GET /api/tasks/{task_id}/events/streamSSE 任务事件，前端任务详情会实时刷新并保留轮询兜底GET /api/tasks/{task_id}/export导出模板产物POST /api/rag/query基于已处理文档检索回答POST /api/rag/reindex重建本地 RAG 索引GET /api/approvals?status=pending审批队列POST /api/approvals/{approval_id}/decision审批决策GET /api/audit审计日志GET /api/metrics/evaluation评测指标
- 将规则抽取升级为按文档类型的 Prompt/RAG 流水线。
- 将模板产物扩展为 DOCX、XLSX、PDF。
- 增加组织、用户、角色权限和 SSO。
- 将本地 RAG 检索替换为 pgvector 或外部向量库做跨文档 hybrid search。
- 增加标注集，计算真实字段级准确率、召回率和人工修正成本。