> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/context_engineering_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/context_engineering_guide/di-si-bu-fen-gong-cheng-shi-zhan-yu-wei-lai-yan-jin/14_practice/14.1_requirements.md).

# 14.1 项目需求与架构设计

在开始编码之前，清晰的需求分析和稳健的架构设计是成功的关键。

## 14.1.1 需求分析

### 核心功能需求

* **多源数据接入**：支持导入 PDF、Markdown、Word 等格式的企业文档。
* **精准问答**：基于知识库回答用户提问，回答需标注引用来源。
* **多轮对话**：支持基于上下文的追问，理解指代关系（如“它”、“这个”）。
* **拒识能力**：对于知识库中不存在的问题，应明确告知“未找到相关信息”，避免幻觉。

### 非功能需求

* **响应速度**：首字生成延迟 < 1 秒，完整回答 < 5 秒。
* **并发能力**：支持至少 50 QPS 的并发访问。
* **数据安全**：确保企业敏感数据不泄露，支持私有化部署模型。

*注：以上性能指标为示例目标，实际 SLO 需结合模型部署形态（本地/云）、检索链路、缓存策略与业务负载压测结果确定。*

## 14.1.2 技术选型

| 组件                | 选型                         | 理由             |
| ----------------- | -------------------------- | -------------- |
| **LLM**           | 具备工具调用与长上下文能力的通用模型         | 结合预算与延迟要求选型    |
| **Embedding**     | 多语言/领域嵌入模型                 | 结合语料与评测集选型     |
| **Vector DB**     | 专用向量数据库或带向量扩展的数据库          | 结合规模、运维与成本选型   |
| **Orchestration** | RAG/Agent 编排框架             | 组件化构建检索与上下文组装  |
| **Backend**       | Web 后端框架（如 Python/Node/Go） | 便于接入鉴权、审计与可观测性 |

## 14.1.3 系统架构设计

系统整体采用典型的 RAG（检索增强生成）架构，分为 **离线处理链路** 和 **在线服务链路**。

### 架构图

{% @mermaid/diagram content="graph TB
subgraph "离线处理 (Offline Pipeline)"
D\[原始文档] --> P\["文档解析 (Parser)"]
P --> C\["分块 (Chunking)"]
C --> E\["向量化 (Embedding)"]
E --> V\[(向量数据库)]
end

```
subgraph "在线服务 (Online Service)"
    U[用户提问] --> Q["查询重写 (Query Rewrite)"]
    Q --> R["混合检索 (Hybrid Search)"]
    V --> R
    R --> RK["重排序 (Rerank)"]
    RK --> G["上下文组装 (Prompt)"]
    His[对话历史] --> G
    G --> L[LLM 生成]
    L --> Ans[最终回答]
end" %}
```

图 14-1：RAG 系统架构设计

### 模块职责

1. **数据层**：负责文档的 ETL（Extract, Transform, Load）。
2. **检索层**：负责根据语义和关键词召回相关片段，并进行精排。
3. **认知层**：负责对话状态管理、Prompt 组装和 LLM 推理。
4. **接口层**：提供标准 API 供前端或第三方系统调用。