实施路线图 - 企业大模型知识库

🔧

Phase 1

1 天

环境搭建 & 全链路跑通

配置

📚

Phase 2

1 天

知识库功能验证

配置+测试

🌐

Phase 3

4-5 天

知识图谱开发

核心开发

🚀

Phase 4

1.5 天

现场部署上线

运维

项目总工期

7.5 ~ 8.5 天

其中 Phase 1-2 完成后即可交付一个完整可用的企业知识库系统（2 天）

2 天

环境 + 知识库

4-5 天

知识图谱开发

1.5 天

现场部署

Phase 1：环境搭建 & 全链路跑通

1 天无需写代码

1.1

安装 Ollama

下载安装本地 LLM 推理引擎，拉取 Chat + Embedding 模型

30 min

安装

1.2

Docker 部署 ruoyi-ai

启动 MySQL、Redis、Weaviate、MinIO、后端、前端等全部服务

30 min

部署

1.3

配置 LLM 模型连接

在管理后台添加 Chat 和 Embedding 模型配置

15 min

配置

1.4

验证全链路

前端对话测试，确认前端 ↔ 后端 ↔ LLM 全链路通

15 min

测试

🔧

Gate 1 检查点

ruoyi-ai 跑起来了吗？能跟 LLM 对话吗？

✔ 全链路通

Phase 2：知识库功能验证

1 天无需写代码

2.1

创建测试知识库

新建知识库实例，绑定 Embedding 模型，配置分块策略

15 min

配置

2.2

上传测试文档

测试 Word/PDF/Excel/Markdown/TXT 五种格式文档的上传和解析

30 min

测试

2.3

RAG 问答测试

验证知识库检索增强问答效果，测试事实查询、对比查询等场景

30 min

测试

📚

Gate 2 检查点

文档能上传吗？能问答吗？效果怎样？是否先部署到现场？

✔ RAG 可用

Phase 3：知识图谱开发

4-5 天核心开发阶段

3.1

数据库建表 + Neo4j 部署

补全 knowledge_graph 建表 SQL，启动 Neo4j，配置 Java 连接

0.5 天

配置+SQL

3.2

LLM 实体/关系抽取服务

GraphExtractionService：动态 Prompt 生成、LLM 调用、JSON 解析、实体对齐

1.5 天

Java 开发

3.3

Neo4j 读写服务

Neo4jGraphService：节点/关系 CRUD、搜索、邻居查询、路径查询

0.5 天

Java 开发

3.4

图谱构建 API + 异步任务

触发构建 API、异步批量处理、进度查询、错误容错

0.5 天

Java 开发

3.5

图谱查询 API

统计、节点列表、搜索、邻居、路径、ECharts 可视化数据接口

0.5 天

Java 开发

3.6

前端图谱可视化页面

ECharts Graph 力导向图、节点详情、搜索筛选、统计信息

1-2 天

Vue 开发

🌐

Gate 3 检查点

图谱能构建吗？能看到可视化吗？选择知识库 → 构建 → 看到图谱

✔ 图谱全功能

Phase 4：现场部署上线

1.5 天配置 + 运维

4.1

离线包准备

构建后端/前端、导出 Docker 镜像、准备模型文件和配置

0.5 天

构建打包

4.2

现场部署

导入镜像、启动服务、LM Studio 加载模型、管理后台配置

0.5 天

部署

4.3

文档导入 + 用户培训

创建知识库分类、批量上传企业文档、培训管理员操作

0.5 天

运维+培训

🚀

Gate 4 检查点

现场系统稳定吗？管理员能独立操作吗？项目正式交付

✔ 交付上线

开发环境 vs 正式环境对照

配置项	开发环境	正式环境	切换方式
Chat 模型	Ollama qwen2.5:7b	LM Studio qwen3.5-35b	管理后台改配置
Embedding 模型	Ollama nomic-embed-text	LM Studio bge-m3	管理后台改配置
模型接口地址	host.docker.internal:11434	172.18.0.1:1234	管理后台改配置
向量维度	768 (nomic)	1024 (bge-m3)	管理后台改配置
Neo4j	localhost:7687	localhost:7687	相同
MySQL/Redis/Weaviate	Docker 本地	Docker 本地	相同
代码	完全相同	完全相同	零修改