基于 SpringBoot + RAG + 多智能体协作的案件分析与决策辅助系统

# 基于 SpringBoot + RAG + 多智能体协作的案件分析与决策辅助系统 ## 一、项目简介 面向案件资料分析、证据梳理、法律知识检索、案情研判、风险提示与决策辅助的智能案件分析平台。 ## 二、技术架构 - **技术栈**：Vue 3, Element Plus, Vite, Pinia, Axios, LangChain / LlamaIndex, RAG 向量检索, 通义千问 / OpenAI API - **架构模式**：前后端分离架构 - **数据库**：MySQL 8.0+ - **构建工具**：Maven / npm / Vite ## 三、核心功能 - **知识库、文档切片、RAG 检索与问答**：- 多智能体案件分析（摘要、证据、法条、风险、建议） - **案件智能对话、分析报告、数据看板、操作审计**：案件智能对话、分析报告、数据看板、操作审计相关业务逻辑与数据管理 ## 四、配套交付资源 - 完整前后端源代码（无任何加密，注释完整） - 数据库建表与测试数据全套 SQL 脚本 - 详尽的本地开发与环境部署教程（README.md） - 适用于计算机专业毕业设计、课程设计与实训考核

确认项目范围时，建议对照学校要求、已有技能和可用时间。创建自己的项目后，技术栈与功能模块可以独立调整，公共选题内容会继续保留。

当前方案使用 Vue 3、 Element Plus、 Vite、 Pinia、 Axios、 LangChain / LlamaIndex、 RAG 向量检索、 通义千问 / OpenAI API。设计时需要明确页面交互、服务端业务规则、数据持久化与外部依赖的边界，并用实际业务流程验证技术选择。

• 按完整业务流程拆分任务，确认正常、失败和权限受限的处理方式。
• 核对模块与数据库字段、接口请求之间的对应关系。
• 保留真实测试结果、运行截图和部署记录，作为论文与答辩依据。

围绕本项目的目标用户、功能范围、技术路线和验证计划组织开题。论文的系统设计与实现章节应解释具体模块和数据结构，测试章节应引用真实结果。学校模板优先于通用提纲。