前言

在大模型落地的浪潮中，RAG（Retrieval-Augmented Generation，检索增强生成）已经成为企业级知识库系统的标准范式。它通过将外部知识注入大模型的生成过程，有效解决了大模型"知识截止"和"幻觉"两大核心痛点。

本系列博客将以一个完整的 Spring Boot + Spring AI 实战项目为蓝本，从零到一拆解一个生产级 RAG 知识库系统的设计与实现。项目采用前后端分离架构，后端基于 Spring Boot 3.4.2 + Spring AI 1.0.0 GA 构建，前端使用 Vue 3 + TypeScript + Vite，涵盖了从基础对话、文档向量化、检索增强、对话记忆，到敏感词过滤、来源追溯、跨向量聚合等完整功能链路。

技术栈一览

系统架构

整个系统的数据流可以概括为两条主线：

知识入库流程（Embedding Pipeline）：

用户上传文件 → 阿里云 OSS 存储 → TikaDocumentReader 解析
→ TokenTextSplitter 分块 → Embedding 向量化 → Milvus 存储
→ MySQL 记录文件元数据与向量 ID 映射

智能问答流程（Query Pipeline）：

用户提问 → JWT 身份验证 → 敏感词过滤 → ChatClient 构建请求
→ PromptChatMemoryAdvisor（对话记忆）
→ QuestionAnswerAdvisor（向量检索）
→ MetadataAwareQuestionAnswerAdvisor（来源追溯）
→ RagTool（聚合查询路由）
→ LLM 生成回答 → 流式返回前端

核心模块划分

系统按功能可划分为以下核心模块：

博客系列目录

本系列将按照功能模块逐一深入，每篇聚焦一个核心功能点：

环境准备

在开始阅读本系列之前，建议准备以下环境：

1. JDK 17+ —— Spring Boot 3.x 的最低要求
2. Maven 3.9+ —— 项目构建工具
3. MySQL 5.7+ —— 业务数据库
4. Redis —— 缓存服务
5. Milvus —— 向量数据库（可通过 Docker 快速部署）
6. 阿里云 OSS —— 对象存储（需开通并获取 AccessKey）
7. 通义千问 API Key —— 通过阿里百炼平台获取

数据库初始化

项目使用 MySQL 存储业务数据，核心表结构如下：

-- 用户表
CREATE TABLE `tb_user` (
    `id` INT NOT NULL AUTO_INCREMENT,
    `name` VARCHAR(255) NOT NULL COMMENT '姓名',
    `user_name` VARCHAR(255) NOT NULL COMMENT '用户名',
    `password` VARCHAR(255) NOT NULL COMMENT '密码(MD5)',
    `status` INT NOT NULL DEFAULT 1 COMMENT '状态 0:禁用 1:启用',
    `create_time` DATE,
    `update_time` DATE,
    PRIMARY KEY (`id`)
);

-- OSS 文件记录表
CREATE TABLE `ali_oss_file` (
    `id` BIGINT NOT NULL AUTO_INCREMENT,
    `file_name` VARCHAR(255) COMMENT '文件名',
    `url` VARCHAR(500) COMMENT 'OSS链接',
    `vector_id` TEXT COMMENT '向量分片ID(JSON数组)',
    `create_time` TIMESTAMP,
    `update_time` TIMESTAMP,
    PRIMARY KEY (`id`)
);

-- 日志表
CREATE TABLE `log_info` (
    `id` BIGINT NOT NULL AUTO_INCREMENT,
    `method_name` VARCHAR(255),
    `class_name` VARCHAR(255),
    `request_time` DATE,
    `request_params` TEXT,
    PRIMARY KEY (`id`)
);

-- 敏感词表
CREATE TABLE `sensitive_word` (
    `id` INT NOT NULL AUTO_INCREMENT,
    `word` VARCHAR(255) COMMENT '敏感词内容',
    `category` VARCHAR(255) COMMENT '类别',
    `status` VARCHAR(50),
    PRIMARY KEY (`id`)
);

-- 词频统计表
CREATE TABLE `word_frequency` (
    `id` INT NOT NULL AUTO_INCREMENT,
    `word` VARCHAR(255) COMMENT '分词',
    `count_num` INT COMMENT '出现频次',
    `business_type` VARCHAR(255),
    `create_time` DATE,
    `update_time` DATE,
    PRIMARY KEY (`id`)
);

小结

本篇作为系列总览，梳理了整个 RAG 知识库系统的技术选型、架构设计和模块划分。后续每篇博客将深入一个具体功能点，包含设计说明、原理方案、完整源码解析和验证结果，帮助你从理论到实践全面掌握 Spring AI RAG 系统的开发。

下一篇，我们将从最基础的 ChatClient 对话能力开始，看看 Spring AI 是如何优雅地封装大模型调用的。