项目名称：易速鲜花内部员工知识库问答系统
项目背景：
“易速鲜花”是一个大型在线鲜花销售平台，拥有丰富的员工手册和操作规范，涵盖业务流程、SOP（标准操作程序）等信息。然而，员工在实际工作中经常面临以下困境：
- 内部文档分散，信息获取不便；
- 文件过于冗长，难以快速定位所需信息；
- 由于文档更新滞后，员工常常查询到的还是过时版本的政策或流程。
为了提升员工工作效率和提升知识共享，易速鲜花决定开发一套基于内部员工手册的智能问答系统—— “Doc-QA” 。该系统将基于最新的员工手册内容，帮助员工快速、精准地获取所需信息。
开发框架
本项目基于 LangChain 框架，采用先进的自然语言处理技术，利用大语言模型（LLM）构建问答系统。LangChain框架提供了强大的工具和流程，可以帮助我们轻松实现文档的加载、文本分割、嵌入、存储、检索和生成答案等功能。
整体框架包括以下三个主要部分：
- 数据源（Data Sources） ：包括PDF、Word文档、txt文件等非结构化数据来源。
- 大模型应用（LLM Application） ：利用大语言模型处理数据并生成回答。
- 用例（Use-Cases） ：通过生成的回答，构建实际的问答系统或聊天机器人。
核心实现机制
整个系统的核心实现机制是基于数据处理管道（Pipeline），并分为五个关键步骤：
- Loading（数据加载） ：使用LangChain的文档加载工具，将PDF、Word和txt文件加载为可处理的文档对象。
- Splitting（文本分割） ：为了处理大型文档，使用文本分割器将文档切分为更小的文档块，以便后续处理。
- Storage（存储嵌入） ：通过OpenAI的Embedding模型将文档块转换为向量，并存储到向量数据库中。
- Retrieval（信息检索） ：根据用户输入的问题，将问题转换为向量并与存储的文档嵌入进行相似度匹配，检索最相关的文档块。
- Output（生成回答） ：将检索到的相关文档块与用户的问题一同输入到大语言模型中，生成精准的答案。
