基于RAG的法律条纹智能助手

仓库地址: https://gitee.com/wanyux/assistant-based-rag.git

1. 项目背景与需求设计

场景: 法律条文智能问答系统，需满足:

1. 每月更新最新法律条文
2. 支持条款精准引用(如"<<劳动法>>第36条")
3. 处理复杂查询(如劳动纠纷中的多条款关联分析)

技术选型: RAG vs 微调

对比维度	RAG方案	微调方案
数据更新频率	支持动态更新知识库	需重新标注并训练模型
内容准确性	直接引用原文，避免生成失真	依赖标注质量，易产生偏差
知识覆盖范围	适合大规模知识体系	需海量标注数据
可解释性	支持条款溯源，符合法律严谨性	黑盒模型，解释性差

2. 核心实现流程

流程图

用户提问 -> 问题解析 -> RAG检索 -> 生成答案 -> 引用溯源

关键模块

1. RAG检查层

1. 使用微调后的通用大模型(如劳动法领域适配模型)
2. 知识库构建: 结构化法律条文(json格式)

2. 数据更新模块

1. 定时爬取政府官方最新法规
2. 自动化解析条款(正则匹配 第[一二三四。。。]条)

重点: RAG与领域微调的结合策略

3. 数据收集与整理