上方山知识问答系统

核心理念：打造智能化私域信息共享平台

想象一下，当你想去上方山游玩时，你更愿意相信百度上的官方介绍，还是相信那个刚从上方山回来的朋友在微信里和你分享的真实体验？答案显而易见——朋友的第一手经验往往更有价值。

项目背景与痛点分析

在信息爆炸的时代，我们面临着一个矛盾：一方面，网络上充斥着大量标准化、模板化的公开信息；另一方面，真正有价值的个人经验和私域信息却难以被有效组织和检索。

私域信息的独特价值

• 真实性：朋友圈中的游记分享往往比官方宣传更加真实可信
• 实用性：同学的选课建议比学校官网的课程介绍更加实用
• 个性化：基于相似背景和需求的经验分享更有针对性
• 时效性：最新的个人体验往往包含最新的变化和细节

解决方案：智能化信息桥梁

我们的项目旨在构建一个智能化平台，能够：

• 将散落在各种社交媒体、聊天记录中的个人经验进行智能收集和整理
• 通过自然语言处理技术，从日常对话中提取有价值的信息点
• 建立个人经验数据库，让"朋友的建议"变得可搜索、可分享
• 实现信息的智能匹配，让需要帮助的人找到最合适的经验分享者

应用场景举例

• 旅游出行：获取朋友实地体验的景点推荐、路线规划、避坑指南
• 学习生活：收集同学的实习心得、学习资源推荐
• 生活消费：汇总朋友的购物体验、服务评价、性价比分析

预期成果

通过这个平台，我们希望你在上方山中能够：

• 让"朋友的经验"不再局限于偶然的对话，而是可以被系统化管理
• 提高信息利用效率，减少重复踩坑的现象
• 促进知识和经验的有效传承，构建更加智能的社交信息网络
• 为个人决策提供更加精准和个性化的参考依据

技术创新点

项目将融合人工智能、大语言模型、检索增强生成、向量检索、自然语言处理等前沿技术，实现从"信息茧房"到"智慧共享"的转变，让每个人都能成为知识网络中的节点，既是信息的贡献者，也是受益者。

数据收集与处理

本项目采用多元化的数据收集策略，确保数据的全面性和准确性。数据来源包括实地拍摄的照片、往届实习成果、上方山公园提供的官方文档材料、人工标注数据以及互联网公开资料。

数据处理方法

通过钉钉多维表以及编写专门的处理程序，为每张照片、每篇文档关联上位置信息、人工标注信息和大模型生成数据。经过整理、压缩后，数据被上传到向量数据库（用于AI检索）以及云存储数据库（用于前端展示数据详细信息）。

检索部分设计

• 问题分类机制：将用户问题进行智能分类，判断用户是明确想要知道某个信息还是无目的地请求推荐
• 权重分配策略：针对明确查询需求，在语义与文本检索上赋予更多权重；对于推荐类需求，则在位置维度上权重更大
• 检索内容生成：检索前根据用户问题生成待检索内容，缓解用户所需与语义、文本都不匹配的问题
• 多路检索重排序：在进行语义、文本、位置三路检索后进行重排序，并在后续大模型的提示词中说明数据来源

生成部分设计

在提示词中阐明背景、目的、检索结果与说明等基本信息。通过大量的测试不断精心优化提示词，有效缓解模型过于客气、谄媚用户、容易被糊弄、回复驴头不对马嘴、英文式尴尬回应等问题。这是与常见问答系统区分的一大亮点。

系统集成设计

• 前端技术：小程序前端整体使用uni-app框架，确保跨平台兼容性
• 后端架构：使用Serverless环境的UniCloud服务以及托管的RAG应用搭建平台
• 数据采集端：使用钉钉多维表、本地Python程序以及UniCloud上的云函数完成数据处理
• 模型提供商：集成阿里百炼、字节火山方舟、百度智能云、硅基流动以及Deepseek开放平台等多家服务商

系统界面展示

技术创新点

采用RAG（检索增强生成）技术架构，结合多维度检索和智能重排序算法，实现了基于位置感知的个性化知识问答系统。通过精心设计的提示词工程，显著提升了系统回答的准确性和用户体验。

致谢

感谢所有参与本项目的团队成员，感谢指导老师的悉心指导，感谢学校提供的支持和帮助。正是大家的共同努力，才使得这个项目能够圆满完成。

成果展示

项目总结

本项目通过构建智能化的上方山知识问答系统，成功实现了从传统信息检索到智能化问答的转变。项目采用了RAG技术架构，结合多维度检索和大语言模型，为用户提供了个性化的知识服务。

收获与感悟

• 技术能力提升：通过项目实践，团队成员在AI技术、小程序开发、数据处理等方面都有了显著提升
• 团队协作经验：在项目过程中，我们学会了如何有效分工、协调配合，提高了团队合作能力
• 问题解决能力：面对开发过程中遇到的各种技术难题，我们培养了独立思考和解决问题的能力
• 创新思维培养：项目让我们学会了如何将理论知识与实际应用相结合，培养了创新思维

未来展望

希望我们的项目能够为更多的用户带来便利，同时也期待在未来能够继续优化和完善系统功能，为智能化信息服务领域贡献更多力量。