Yuxi-Know – 智能问答平台，开启知识管理新时代

一、Yuxi-Know 是什么

Yuxi-Know（语析）是基于大模型 RAG 知识库与知识图谱技术构建的智能问答平台。它支持多种知识库文件格式，如 PDF、TXT、MD、Docx 等，可将文件内容转换为向量存储，便于快速检索，还集成了基于 Neo4j 的知识图谱问答能力，能处理复杂知识关系查询。其采用多模型适配架构，兼容 OpenAI、国内主流大模型及本地部署方案，支持开发者编写自定义智能体代码扩展功能，技术栈涵盖 VueJS 前端、FastAPI 后端，以及 Milvus 向量数据库和 Neo4j 图数据库的深度整合。

二、核心功能

• 多模型支持 ：适配 OpenAI、智谱、DeepSeek 等主流大模型 API，支持本地 vllm/ollama 部署。
• 全格式知识库 ：支持 PDF/TXT/MD/Docx 等多种格式文档自动向量化，构建可检索知识体系。
• 知识图谱引擎 ：基于 Neo4j 实现复杂关系查询，支持 jsonl 格式图谱文件导入。
• 智能体扩展 ：开放自定义智能体开发接口，支持功能模块化拓展。
• 混合检索系统 ：结合向量检索与重排序技术，提升问答准确率。
• 可视化配置 ：提供友好的网页管理界面，支持模型切换和知识库维护。

三、技术原理

• RAG 架构 ：采用 BAAI/bge-m3 等向量模型处理文本，Milvus 实现高效向量检索。在用户提问时，从向量数据库中检索相关文档片段，与问题一起输入大语言模型生成答案。
• 知识图谱 ：通过 Neo4j 存储实体关系，支持多跳查询和语义推理，以节点和关系形式存储知识，用户可基于图谱进行复杂查询。
• 模型适配层 ：基于 models.yaml 配置实现多模型 API 的统一调度，用户可根据需求选择不同模型，系统自动适配调用相应 API。
• 向量与重排序模型 ：向量模型将文本转换为向量，支持多种向量模型，重排序模型优化检索结果顺序，提高问答准确性和效率。
• 前后端技术栈 ：前端基于 VueJS 提供用户友好交互界面，后端基于 FastAPI 提供高效服务端处理能力，数据库用 Milvus-Standalone 作为向量数据库，Neo4j 作为知识图谱数据库。
• Docker 容器化部署 ：使用 Docker 进行容器化封装，包含前后端完整服务链，方便开发和生产环境的快速搭建和管理，支持开发环境的自动更新和后台运行。

四、支持平台

Yuxi-Know 支持在多种操作系统上运行，包括 Windows、Linux 和 macOS 等。它可以通过 Docker 进行部署，方便在不同的服务器环境和云平台上快速搭建和运行，同时还支持本地部署，满足企业对数据安全和隐私的要求。

五、团队介绍

Yuxi-Know 背后的团队是一群在人工智能、自然语言处理和知识图谱领域拥有丰富经验的专业人士。团队成员具备深厚的技术背景和创新能力，他们在大模型应用、知识库构建和智能问答系统开发等方面有着丰富的实践经验，致力于为企业和个人用户提供快速、准确、智能的知识问答服务，推动知识管理的智能化发展。

六、项目资源

• GitHub 仓库 ：https://github.com/xerrors/Yuxi-Know
• 项目文档 ：https://yuxi-know-docs.openi.cn/

七、业务场景

• 企业知识管理 ：帮助企业管理海量文档和知识，员工可通过自然语言快速查询所需信息，提高工作效率。
• 智能客服 ：为企业提供智能客服解决方案，自动回答客户咨询，提高客户满意度和降低人力成本。
• 教育领域 ：协助教育机构生成智能教材问答，为学生提供个性化的学习辅导，提升学习体验。
• 医疗健康 ：提供医学知识查询和初步咨询，辅助医护人员快速获取知识，支持医疗决策，提高医疗服务效率。
• 科研与学术 ：帮助科研人员管理文献资料，构建知识图谱，加速研究进展，促进学术创新。