Rag Construction

核心用法

RAG Construction 是一套面向建筑工程领域的检索增强生成（RAG）系统实现框架，基于 Data-Driven Construction (DDC) 方法论第2.3章设计。该技能提供完整的知识库构建流水线，涵盖文档分块、向量化存储、语义搜索与问答生成四大核心模块。

主要组件与功能：

| 组件 | 功能说明 |

|------|---------|

| `ConstructionRAG` | 主控类，协调文档入库、搜索与问答流程 |

| `TextChunker` | 五种分块策略（固定长度、段落、章节、语义、句子） |

| `VectorStore` | 内存级向量存储，支持余弦相似度检索与元数据过滤 |

| `EmbeddingModel` | 可插拔嵌入模型接口（默认模拟实现） |

| `Document` / `DocumentChunk` | 带类型标记的文档与分块数据结构 |

典型工作流：
1. 初始化 ConstructionRAG 并配置分块策略（建议工程文档使用 SECTION 策略保留章节结构）
2. 加载建筑文档（规范、图纸、合同、RFI等11种标准类型），自动分块并生成嵌入
3. 执行语义搜索，支持按文档类型过滤（如仅检索SPECIFICATION）
4. 调用 query() 获取带引用来源的AI生成回答

显著优点

• 领域定制化：内置DocumentType枚举覆盖建筑工程全生命周期文档类型
• 灵活分块：五种分块策略适配不同文档结构，章节级分块特别适合CSI规格书
• 可追溯性：RAGResponse强制返回引用来源，满足工程审计要求
• 轻量易集成：纯Python实现，无外部依赖，便于嵌入现有工作流

潜在局限

• 向量存储为内存实现，无持久化机制，不适合大规模生产部署
• EmbeddingModel为模拟实现，需接入真实API（OpenAI/开源模型）
• 未实现重排序(reranking)与混合搜索(hybrid search)优化
• 缺少访问控制与权限管理，多用户场景需额外封装

适合人群

• 建筑工程数据工程师，需快速搭建规范/图纸检索原型
• 施工技术团队，探索AI知识管理POC项目
• 建筑信息化顾问，向客户演示RAG技术价值

常规风险

• 幻觉风险：_generate_answer为模拟实现，生产环境必须替换为真实LLM并添加置信度阈值拦截
• 数据泄露：工程合同、造价信息属敏感数据，向量存储外传需加密
• 版本漂移：规范更新后需重建索引，建议实现文档版本管理与增量更新
• 嵌入质量：不同领域术语（如"concrete"在土木vs装饰语境）可能造成语义偏移

核心用法

rag-construction 是一套完整的检索增强生成（RAG）系统构建框架，专为建筑工程行业知识库设计。基于 Data-Driven Construction 方法论第2.3章，提供从文档分块、向量化存储到智能问答的全流程实现。

主要组件：

• ConstructionRAG —— 核心系统类，管理文档生命周期
• TextChunker —— 支持5种分块策略（固定大小、段落、章节、语义、句子）
• VectorStore —— 内存向量存储，基于余弦相似度检索
• EmbeddingModel —— 可替换的嵌入模型接口（当前为模拟实现）

典型工作流：
1. 初始化 RAG 系统 → 2. 添加建筑文档（规范、图纸、合同等12类） → 3. 自动生成 embedding 并分块 → 4. 语义搜索或问答查询

显著优点

| 优势 | 说明 |

|------|------|

| **行业专用** | 预定义12种建筑文档类型（SPECIFICATION/RFI/CHANGE_ORDER等），元数据体系完整 |

| **安全纯净** | 仅使用 Python 标准库，零第三方依赖，无网络请求，无危险函数 |

| **灵活分块** | 5种 chunking 策略适配不同文档结构，章节分块特别适合建筑规范文档 |

| **生产就绪** | 代码结构清晰，易于替换真实 embedding 模型（如 OpenAI/text-embedding-ada-002）和 LLM |

| **可追溯性** | 完整保留来源信息，RAGResponse 包含置信度评分和引用来源 |

潜在局限

1. 模拟实现限制：当前 EmbeddingModel 和 _generate_answer 为占位实现，生产环境需接入真实 API
2. 内存存储：VectorStore 为纯内存实现，大规模知识库需迁移至专用向量数据库（如 Pinecone、Milvus）
3. 无持久化：未内置磁盘持久化，需手动调用 export_knowledge_base 备份
4. 英文为主：代码示例和文档以英文为主，中文建筑术语需自行映射

适合人群

• 建筑工程数据工程师：需要构建规范问答系统的技术团队
• BIM/数字化顾问：为客户提供知识管理解决方案的实施方
• 施工单位信息化部门：希望将历史项目文档转化为可检索知识资产
• Python 开发者：学习 RAG 架构模式的参考实现（代码质量高，注释完善）

常规风险

| 风险项 | 等级 | 说明 |

|--------|------|------|

| 知识库导出数据暴露 | 🟡 低 | `export_knowledge_base` 可能包含项目敏感信息，需安全存储和访问控制 |

| Embedding API 成本 |  低 | 生产环境接入真实模型后，需预估 token 消耗成本 |

| 检索召回质量 | 🟡 低 | 模拟 embedding 无法反映真实语义，生产环境必须替换为真实模型 |

合规提示：该 skill 已通过 S 级安全认证，无 CVE 依赖风险，适合企业内网部署。