【产品底稿 05】商助慧 V1.1 里程碑：RAG 文章仿写模块全链路实现

承接【产品底稿 04】从 “能入库” 到 “会用库” 的关键一步一、背景从 “数据入库” 到 “数据应用”在【产品底稿 04】中我们完成了 CSDN 爬虫入库、MySQL 结构化存储、Milvus 向量库全链路打通解决了文章 “从哪来、怎么存” 的问题。但数据只存着不使用价值发挥不出来。所以在 V1.1 阶段我继续往下推进实现了基于知识库的 RAG 文章仿写模块把库里沉淀的技术文章真正用起来完成从 “数据” 到 “应用” 的闭环。二、整体流程架构用户输入仿写需求 → 向量检索Milvus→ 召回相似文章 → 构建 Prompt → 多模型调度DeepSeek/Ollama→ SSE 流式输出 → 前端打字机效果三、核心组件分工表格模块核心职责实现要点ArticleCopyController仿写接口入口提供 SSE 流式接口接收用户仿写请求AiKnowledgeService向量检索服务基于 Embedding Milvus 召回相似文章AiChatFacade多模型统一入口配置切换 DeepSeek / Ollama本地云端兼容DeepSeekAiService云端模型调用遵循 OpenAI 协议实现流式输出OllamaChatService本地模型调用支持离线环境下的文本生成四、关键代码实现1. 向量检索核心Milvus 检索相似文章java运行// 检索相似文章 public ListString search(String query, int maxResults) { TextSegment segment TextSegment.from(query); Embedding embedding embeddingModel.embed(segment).content(); return embeddingStore.findRelevant(embedding, maxResults).stream() .map(it - it.embedded().text()) .toList(); }2. 仿写接口SSE 流式输出java运行/** * 流式仿写文章前端打字效果 */ PostMapping(value /generate, produces MediaType.TEXT_EVENT_STREAM_VALUE) public FluxString copyArticle(RequestParam(userPrompt) String userPrompt) { // 1. 检索相似文章 ListString references aiKnowledgeService.search(userPrompt, 2); if (references.isEmpty()) { return Flux.just(暂无参考文章请先上传文章到知识库); } // 2. 构建仿写提示词 String prompt buildCopyPrompt(userPrompt, references); // 3. 统一AI入口 return aiChatFacade.chat(prompt); }3. Prompt 构建约束仿写风格java运行private String buildCopyPrompt(String userPrompt, ListString referenceArticles) { StringBuilder sb new StringBuilder(); sb.append(请你严格按照参考文章仿写保持结构、风格、段落、语气一致。\n); sb.append(要求内容完整、逻辑清晰、不编造、不跑题、不自由发挥。\n\n); sb.append(用户需求).append(userPrompt).append(\n\n); sb.append(参考文章\n); referenceArticles.forEach(ref - sb.append(ref).append(\n)); sb.append(\n请直接输出仿写结果不要标题不要解释); return sb.toString(); }4. 多模型统一调度java运行Service RequiredArgsConstructor public class AiChatFacade { private final DeepSeekAiService deepSeekAiService; private final OllamaChatService ollamaChatService; Value(${ai.chat-mode:deepseek}) private String chatMode; public FluxString chat(String prompt) { if (ollama.equals(chatMode)) { return ollamaChatService.chat(prompt); } else { return deepSeekAiService.chatStream(prompt); } } }五、当前效果与真实表现说明目前知识库文章数量较少不到 10 篇向量召回的内容片段比较碎导致 AI 仿写内容连贯性一般属于 RAG 冷启动阶段的正常现象。六、已实现功能✅ 仿写接口全链路通✅ Milvus 向量检索正常✅ AI 流式输出SSE✅ 前端打字机效果✅ DeepSeek/Ollama 多模型切换✅ 前后端联调成功七、后续优化方向扩充知识库文章数量提升检索质量优化文章分段策略让召回更完整精细化调优 Prompt增强仿写风格一致性完善异常处理、重连、超时保护仿写结果一键保存入库形成生成 - 复用闭环八、总结商助慧 V1.1 阶段我完成了从 “数据入库” 到 “数据应用” 的关键一步RAG 仿写模块正式打通。虽然当前生成效果一般但流程已经完全跑通后续只需要持续喂数据、调细节效果会稳步提升。整个系统越来越像一个真正可用的 AI 写作助手了。后续会继续同步产品迭代细节保持纯 Java 生态落地 AI 应用一步一步把个人专属写作助手做扎实。持续更新《人生底稿》成长史 《技术底稿》《产品底稿》实战干货一起踏实成长不焦虑、不内卷。 系列导航【人生底稿 01】农村少年1995–2005【技术底稿】0137岁老码农用4台机器搭了套个人DevOps平台【产品底稿01】37 岁 Java 老码农用 Java 搭了个 AI 写作助手把自己 14 年技术文章全喂给了 AI