岐黄智问 · 基于 Agentic RAG 的中医古籍智能问答系统

# 岐黄智问 · 基于 Agentic RAG 的中医古籍智能问答系统 ## 一、项目简介 > 面向中医古籍学习、文献检索与 AI 辅助解读的全栈应用。 > 后端 FastAPI + LangGraph + pgvector，前端 React 18 + Vite + Tailwind。 ## 二、技术架构 - **技术栈**：React 18, Ant Design, TypeScript, Vite, Axios, Python 3.10+, FastAPI, PyTorch / Transformers - **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 - **系统管理与权限控制**：基于 RBAC 模型的用户管理、角色权限分配、登录认证与操作日志审计。 - **核心业务办理与审批**：岐黄智问 · 基于 Agentic RAG 的中医古籍智能问答系统的核心业务表单录入、流转审批、状态机变更与冲突校验。 - **查询检索与统计分析**：多维度条件组合检索、分页展示、数据导出与关键业务指标统计分析。 - **大屏可视化与数据看板**：采用 ECharts 实现业务趋势图表、统计占比分布与实时运营数据看板。 ## 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 React 18、 Ant Design、 TypeScript、 Vite、 Axios、 Python 3.10+、 FastAPI、 PyTorch / Transformers。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。