筑见 BuildView · 建筑工程智能平台

筑见 BuildView - 基于 Milvus + PostgreSQL + Redis + Neo4j + 大模型的建筑工程「知识库 + 项目智能」双核平台支持 智能问答 + Agent 智能分析 + 知识图谱 + 施工图处理

技术栈

类别	技术	说明
Web框架	FastAPI	高性能异步 API 框架
ORM	SQLAlchemy 2.0	数据库操作
关系数据库	PostgreSQL 15	文档元数据、用户、日志
向量数据库	Milvus 2.3	文档向量存储与检索
图数据库	Neo4j 5.0	知识图谱存储与查询
缓存	Redis 7	Query 缓存、会话管理
大模型	OpenAI / Qwen / GLM / Ollama	可替换的 LLM 接口
向量化	BGE / text2vec / OpenAI	Embedding 模型
OCR	PaddleOCR	扫描件文字识别
容器化	Docker Compose	一键部署

核心功能

1. 文档处理（Document Pipeline）

功能	说明
格式支持	PDF、Word（.doc/.docx）、扫描件（OCR）、文本
处理流程	加载 → 解析 → 清洗 → 分块 → 向量化
元数据管理	自动提取标题、作者、日期等信息

2. 向量化（Embedding）

支持批量文本向量生成
向量与 Chunk 元数据解耦存储
可替换不同 Embedding 模型（BGE / text2vec / OpenAI）

3. 检索系统（Retrieval）

检索方式	说明
向量检索	基于 Milvus，支持 TopK、相似度阈值
关键词检索	基于 BM25，提升专业术语召回率
混合检索	向量 + BM25 结果合并、去重、加权
图增强检索	结合知识图谱的语义检索
重排序	Cross-Encoder 精排，减少无关上下文

4. 大模型生成（LLM）

Prompt 模板化管理
强约束回答来源：未检索到内容 → 明确返回「文档中未找到」
支持私有化模型和云端 API
支持 OpenAI / 通义千问 / 智谱GLM / Ollama / vLLM

5. 缓存与日志

组件	用途
Redis	Query → Answer 缓存，降低 LLM 调用成本
PostgreSQL	文档信息、Chunk 元数据、问答日志

6. Agent 智能分析

Agent	功能	核心指标
WeeklyReportAgent	自动生成项目周报	进度、成本、风险汇总
RiskAnalysisAgent	风险识别与预警	多维度风险评估
CostAnalysisAgent	成本分析与预测	CPI、EAC、超支识别
ProgressAnalysisAgent	进度分析与预测	SPI、延期预警、完工预测
SafetyAnalysisAgent	安全合规分析	合格率、隐患统计、整改计划

7. 知识图谱

功能	说明
实体提取	从文档中提取结构化实体
关系抽取	识别实体间的关联关系
图谱存储	Neo4j 图数据库存储
图谱查询	支持路径查找、邻居查询
图增强RAG	结合图谱进行语义增强检索

8. 施工图处理

功能	说明
图纸解析	解析施工图纸文件
实体提取	提取图纸中的构件、材料、尺寸等
关系抽取	识别构件间的连接和包含关系
知识入图	将图纸信息存入知识图谱

系统架构

┌─────────────────────────────────────────────────────────────────────┐
│                        Client (Web / API)                            │
└─────────────────────────────────┬───────────────────────────────────┘
                                  │
┌─────────────────────────────────▼───────────────────────────────────┐
│                        FastAPI API Layer                             │
│  ┌───────┐ ┌────────┐ ┌───────┐ ┌────────┐ ┌───────┐ ┌───────────┐ │
│  │  /qa  │ │/document│ │/admin │ │/agents │ │/graph │ │ /drawing  │ │
│  └───────┘ └────────┘ └───────┘ └────────┘ └───────┘ └───────────┘ │
└─────────────────────────────────┬───────────────────────────────────┘
                                  │
┌─────────────────────────────────▼───────────────────────────────────┐
│                        Business Layer                                │
│  ┌─────────────────────┐  ┌──────────────────┐  ┌────────────────┐  │
│  │    RAG Pipeline     │  │ Agent Orchestra  │  │  Graph Service │  │
│  │ Query→Retrieve→     │  │ Weekly│Risk│Cost │  │ Entity│Relation│  │
│  │ Rerank→Generate     │  │ Progress│Safety  │  │  Query│Path    │  │
│  └─────────────────────┘  └──────────────────┘  └────────────────┘  │
└─────────────────────────────────┬───────────────────────────────────┘
                                  │
┌─────────────────────────────────▼───────────────────────────────────┐
│                        Service Layer                                 │
│  Document │ Embedding │ Retrieval │ LLM │ Cache │ Graph │ Drawing   │
└─────────────────────────────────┬───────────────────────────────────┘
                                  │
┌─────────────────────────────────▼───────────────────────────────────┐
│                        Infrastructure                                │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐  │
│  │PostgreSQL│ │  Milvus  │ │  Redis   │ │  Neo4j   │ │ LLM API  │  │
│  └──────────┘ └──────────┘ └──────────┘ └──────────┘ └──────────┘  │
└─────────────────────────────────────────────────────────────────────┘

目录结构

enterprise_rag/
├── app/                           # 主应用
│   ├── main.py                    # 项目入口
│   ├── api/v1/                    # API 接口层
│   │   ├── qa.py                  # 问答接口
│   │   ├── document.py            # 文档管理接口
│   │   ├── admin.py               # 管理接口
│   │   ├── projects.py            # 项目管理接口
│   │   ├── drawing.py             # 施工图处理接口
│   │   └── graph.py               # 知识图谱接口
│   └── schemas/                   # Pydantic 模型
│
├── agents/                        # Agent 智能分析模块
│   ├── weekly_report_agent.py     # 周报生成 Agent
│   ├── risk_agent.py              # 风险分析 Agent
│   ├── cost_agent.py              # 成本分析 Agent
│   ├── progress_agent.py          # 进度分析 Agent
│   ├── safety_agent.py            # 安全分析 Agent
│   └── api/v1/agents.py           # Agent API 路由
│
├── tools/                         # 专业分析工具
│   ├── cost_tools.py              # 成本分析工具（8个）
│   ├── progress_tools.py          # 进度分析工具（8个）
│   ├── safety_tools.py            # 安全分析工具（9个）
│   └── rag_tool.py                # RAG 检索工具
│
├── core/                          # 核心模块
│   ├── config.py                  # 配置中心
│   ├── logger.py                  # 日志管理
│   ├── database.py                # 数据库连接
│   ├── constants.py               # 全局常量
│   └── security.py                # 安全工具
│
├── models/                        # 数据模型
│   ├── document.py                # 文档模型
│   ├── project.py                 # 项目模型
│   ├── query.py                   # 查询模型
│   ├── user.py                    # 用户模型
│   ├── construction_drawing.py    # 施工图模型
│   └── graph_models.py            # 图数据模型
│
├── services/                      # 核心业务服务
│   ├── document/                  # 文档处理子系统
│   │   └── construction_drawing/  # 施工图处理
│   ├── embedding/                 # 向量化子系统
│   ├── retrieval/                 # 检索子系统
│   │   ├── vector/                # 向量检索
│   │   ├── bm25/                  # BM25检索
│   │   ├── hybrid/                # 混合检索
│   │   └── graph/                 # 图增强检索
│   ├── llm/                       # LLM 子系统
│   ├── cache/                     # 缓存子系统
│   ├── graph/                     # 知识图谱服务
│   ├── rag/                       # RAG Pipeline
│   ├── permission/                # 权限管理
│   └── project_service.py         # 项目服务
│
├── repository/                    # 数据访问层
│   ├── document_repo.py           # 文档 DAO
│   ├── vector_repo.py             # 向量 DAO
│   ├── query_log_repo.py          # 日志 DAO
│   └── graph_repo.py              # 图数据 DAO
│
├── docker/                        # Docker 配置
│   └── docker-compose.yml         # 一键部署配置
│
├── scripts/                       # 辅助脚本
│   ├── init_db.py                 # 数据库初始化
│   ├── init_milvus.py             # Milvus 初始化
│   └── ingest_docs.py             # 文档入库
│
├── tests/                         # 测试用例
│   ├── test_agents.py             # Agent 测试
│   └── test_agents_api.py         # API 测试
│
├── docs/                          # 项目文档
│   └── DEPLOYMENT_GUIDE.md        # 部署指南
│
├── .env                           # 环境变量配置
├── pyproject.toml                 # 项目与依赖定义（uv）
└── README.md                      # 项目说明

快速启动

环境要求

Windows / Linux / macOS
Docker & Docker Compose
Python >= 3.9

1. 启动基础服务

cd docker
docker-compose up -d

启动服务：PostgreSQL、Milvus、Redis、Etcd、MinIO

2. 配置 Python 环境

# 安装依赖（依赖见 pyproject.toml，uv 自动管理虚拟环境）
uv sync

重型 ML 层（OCR/向量化）按需安装：

uv add torch sentence-transformers paddlepaddle

3. 配置环境变量

# 编辑 .env 文件，配置数据库和 LLM API

主要配置项：

POSTGRES_PASSWORD - 数据库密码
OPENAI_API_KEY - LLM API 密钥
OPENAI_API_BASE - LLM API 地址
NEO4J_PASSWORD - 图数据库密码（如使用知识图谱）

4. 初始化数据库

python scripts/init_db.py

5. 启动 API 服务

# 开发模式
uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

# 生产模式
uvicorn app.main:app --host 0.0.0.0 --port 8000 --workers 4

6. 访问系统

API 文档: http://localhost:8000/docs
健康检查: http://localhost:8000/health
系统信息: http://localhost:8000/info

详细部署说明请参考部署指南

Agent 智能分析模块

Agent 列表

Agent	端点	功能
成本分析	`POST /api/v1/agents/cost-analysis`	CPI计算、超支识别、成本预测
进度分析	`POST /api/v1/agents/progress-analysis`	SPI计算、延期预警、完工预测
安全分析	`POST /api/v1/agents/safety-analysis`	合格率、隐患统计、整改计划
风险分析	`POST /api/v1/agents/risk-analysis`	多维度风险评估
周报生成	`POST /api/v1/agents/weekly-report`	自动周报生成

快速检查接口

# 成本快速检查
GET /api/v1/agents/cost-analysis/{project_id}/quick-check

# 进度快速检查
GET /api/v1/agents/progress-analysis/{project_id}/quick-check

# 安全快速检查
GET /api/v1/agents/safety-analysis/{project_id}/quick-check

# 风险快速扫描
GET /api/v1/agents/risk-analysis/{project_id}/quick-scan

# 项目仪表盘（综合概览）
GET /api/v1/agents/dashboard/{project_id}

使用示例

import requests

# 成本分析
response = requests.post(
    "http://localhost:8000/api/v1/agents/cost-analysis",
    json={
        "project_id": "P001",
        "analysis_months": 3,
        "include_prediction": True
    }
)
print(response.json())

# 项目仪表盘
response = requests.get(
    "http://localhost:8000/api/v1/agents/dashboard/P001"
)
print(response.json())

关键指标说明

指标	计算公式	判定标准
CPI (成本绩效指数)	挣值 / 实际成本	>1 节约, <0.9 超支
SPI (进度绩效指数)	挣值 / 计划值	>1 超前, <0.9 滞后
合格率	合格数 / 总检查数	>=95% 良好, <90% 风险

知识图谱模块

功能概述

知识图谱模块基于 Neo4j 图数据库，支持从文档和施工图中提取结构化知识，并提供图谱查询和图增强检索能力。

API 端点

方法	端点	说明
GET	`/api/v1/graph/nodes`	查询节点
GET	`/api/v1/graph/relationships`	查询关系
GET	`/api/v1/graph/paths`	路径查找
GET	`/api/v1/graph/stats`	图谱统计

施工图处理 API

方法	端点	说明
POST	`/api/v1/drawing/upload`	上传施工图
GET	`/api/v1/drawing/status`	处理状态查询
GET	`/api/v1/drawing/entities/{id}`	获取提取的实体

节点类型

类型	说明
Document	文档节点
Drawing	图纸节点
Component	构件节点
Material	材料节点
Specification	规范节点
Dimension	尺寸节点
Location	位置节点

关系类型

关系	说明
CONTAINS	包含关系
USES_MATERIAL	使用材料
REFERS_TO	引用关系
HAS_DIMENSION	具有尺寸
LOCATED_AT	位于位置
CONNECTED_TO	连接关系
BELONGS_TO	属于关系

API 接口

接口总览

模块	前缀	说明
问答	`/api/v1/qa`	RAG 智能问答
文档	`/api/v1/document`	文档上传/管理
项目	`/api/v1/projects`	项目 CRUD
Agent	`/api/v1/agents`	智能分析
图谱	`/api/v1/graph`	知识图谱查询
施工图	`/api/v1/drawing`	施工图处理
管理	`/api/v1/admin`	系统管理

Agent API 详细

方法	端点	说明
POST	`/agents/weekly-report`	生成周报
POST	`/agents/risk-analysis`	风险分析
GET	`/agents/risk-analysis/{id}/quick-scan`	快速风险扫描
POST	`/agents/cost-analysis`	成本分析
GET	`/agents/cost-analysis/{id}/quick-check`	快速成本检查
POST	`/agents/progress-analysis`	进度分析
GET	`/agents/progress-analysis/{id}/quick-check`	快速进度检查
POST	`/agents/safety-analysis`	安全分析
GET	`/agents/safety-analysis/{id}/quick-check`	快速安全检查
GET	`/agents/dashboard/{id}`	项目仪表盘
GET	`/agents/workflows`	工作流列表
GET	`/agents/workflows/{log_id}`	工作流详情

RAG 问答流程

用户提问
   ↓
Query 预处理（分词、意图识别）
   ↓
混合检索（向量检索 + BM25 + 图增强）
   ↓
Rerank 精排（Cross-Encoder）
   ↓
构造 Prompt（仅使用检索内容）
   ↓
LLM 生成答案
   ↓
缓存 & 日志记录

关键设计点：

没检索到内容 → 不调用 LLM，明确告知用户
Prompt 明确限制模型不得编造
检索与生成完全解耦，便于扩展 Agent
图增强检索提供更丰富的上下文

配置说明

环境变量 (.env)

# 应用配置
APP_NAME=筑见 BuildView
DEBUG=false
ENVIRONMENT=production

# PostgreSQL
POSTGRES_HOST=localhost
POSTGRES_PORT=5432
POSTGRES_USER=rag_user
POSTGRES_PASSWORD=your_secure_password

# Milvus
MILVUS_HOST=localhost
MILVUS_PORT=19530

# Redis
REDIS_HOST=localhost
REDIS_PORT=6379

# Neo4j（知识图谱）
NEO4J_URI=bolt://localhost:7687
NEO4J_USER=neo4j
NEO4J_PASSWORD=your_neo4j_password

# LLM
OPENAI_API_KEY=your-api-key
OPENAI_API_BASE=https://api.openai.com/v1
LLM_MODEL=gpt-3.5-turbo

# Embedding
EMBEDDING_MODEL_NAME=BAAI/bge-large-zh-v1.5

Docker 服务端口

服务	端口	说明
FastAPI	8000	API 服务
PostgreSQL	5432	关系数据库
Milvus	19530	向量数据库
Redis	6379	缓存
Neo4j	7687	图数据库
MinIO	9000/9001	对象存储

适用场景

企业内部知识库
工程 / 运维 / 法律 / 制度问答
私有文档智能检索
项目管理智能分析
施工图纸知识管理
私有化大模型应用

扩展方向

多知识库 / 多租户
SSO / 权限控制
Query 质量评估与自动调优
微调 / RAG 评测闭环
更多 Agent 扩展
流式输出支持

版本历史

版本	日期	更新内容
v1.2.0	2026-01	新增知识图谱模块、施工图处理、权限管理
v1.1.0	2025	新增 Agent 智能分析模块（成本/进度/安全）
v1.0.0	2025	初始版本，RAG 问答系统

License

MIT License

Made with by Kerro

Name		Name	Last commit message	Last commit date
.github/workflows		.github/workflows
agents		agents
app		app
core		core
docker		docker
docs		docs
frontend		frontend
models		models
repository		repository
scripts		scripts
services		services
tests		tests
tools		tools
utils		utils
.env.example		.env.example
.gitignore		.gitignore
LICENSE		LICENSE
README.md		README.md
README_updata.md		README_updata.md
project_structure.txt		project_structure.txt
pyproject.toml		pyproject.toml
pytest.ini		pytest.ini
uv.lock		uv.lock

Latest commit

History

Folders and files

Repository files navigation

筑见 BuildView · 建筑工程智能平台

目录

技术栈

核心功能

1. 文档处理（Document Pipeline）

2. 向量化（Embedding）

3. 检索系统（Retrieval）

4. 大模型生成（LLM）

5. 缓存与日志

6. Agent 智能分析

7. 知识图谱

8. 施工图处理

系统架构

目录结构

快速启动

环境要求

1. 启动基础服务

2. 配置 Python 环境

3. 配置环境变量

4. 初始化数据库

5. 启动 API 服务

6. 访问系统

Agent 智能分析模块

Agent 列表

快速检查接口

使用示例

关键指标说明

知识图谱模块

功能概述

API 端点

施工图处理 API

节点类型

关系类型

API 接口

接口总览

Agent API 详细

RAG 问答流程

配置说明

环境变量 (.env)

Docker 服务端口

适用场景

扩展方向

相关文档

版本历史

License

About

Topics

Resources

Stars

Watchers

Forks

Releases

Packages

Used by

Contributors

Languages