DocHive - 智能文档分类分级系统

基于大语言模型的智能文档管理平台

📋 项目简介

DocHive 是一个智能文档分类分级系统，通过大语言模型实现文档的自动分类、信息抽取、智能编号和全文检索。

核心思路

传统的 RAG（Retrieval-Augmented Generation） 实际上是一个相对粗糙的概念。在实践中，绝大多数文档类型（例如简历、报告、合同等）并不适合直接采用传统 RAG 进行处理。即便后续出现的 GraphRAG 等变体引入了"实体–关系"图的概念，也仅仅是在知识组织层面进行了扩展。对于缺乏显性实体的文档类型（如政策法规、技术规范、制度文件等），这些方法仍然难以解决检索性能差、上下文关联弱的问题。

在 2025 年 4 月，我提出过一个设想：将所有非结构化文档转化为结构化数据进行处理。 理由是：几乎所有类型的文档都围绕某种"关注对象"展开。只要能够准确抽取并索引这些关注信息，就可以在检索阶段快速锁定相关内容，从而显著提升 RAG 的准确性与响应效率。

接下来，我计划将这一"文档结构化"思路与 分类分级体系 相结合，以"结构化（或半结构化）文档"为核心，使文档具备更强的 可比性 与 可检索性。这不仅能优化 RAG 的信息召回效果，也为构建可解释、可控的知识语义体系奠定基础。

核心功能

• 🏷️ 自定义分类模板 - 支持多级分类层级设计
• 📄 文档上传解析 - 支持 PDF、DOCX、TXT、Markdown 等多种格式
• 🤖 智能分类引擎 - 基于 LLM 的文档自动分类
• 🔍 信息抽取引擎 - 智能提取关键字段和结构化数据
• 🔢 自动编号管理 - 规则化编号生成与索引
• 🔎 多维度检索 - 支持全文检索、分类筛选、时间范围等

🏗️ 技术栈

后端

• 框架: FastAPI
• 数据库: SQLite/PostgreSQL/MySQL
• 搜索引擎: Elasticsearch
• 对象存储: MinIO
• LLM: OpenAI/DeepSeek

前端

• 框架: React + TypeScript
• UI 库: Ant Design
• 状态管理: Zustand
• 构建工具: Vite

🚀 快速开始

使用 Docker Compose (推荐)

1. 克隆项目代码:

git clone https://github.com/AI-change-the-world/DocHive.git
cd DocHive

2. 进入 docker 目录并启动服务:

cd docker
docker-compose up -d

3. 等待服务启动完成，访问以下地址:
   • 前端界面: http://localhost:3000
   • 后端API: http://localhost:8000

开发环境启动

后端

cd backend
pip install -r requirements.txt
python run.py

前端

cd frontend
pnpm install
pnpm dev

📚 详细文档

有关项目的详细信息，请参阅以下文档：

• 系统架构 - 了解系统的整体架构和技术栈
• 部署指南 - 学习如何部署和配置系统
• 用户使用手册 - 了解如何使用系统功能
• 开发指南 - 了解如何进行二次开发
• API 参考文档 - 查看详细的 API 接口说明

🐱 一些截图

• 知识库问答

  

  • 自然语言转Agent

  

• 系统截图

✍🏻 TODO list

• 需要支持长时记忆，现在智能体记忆是单个session有效，我想实现某些记忆长时间生效的功能（long term memory）
  • 现在大模型操作记录，只记录了问答内容，没记录哪个模块的，这个需要分清楚，后续可以作为agent调优数据
  • 现在工具，没有用户反馈机制，比如用户的一个query进来，最后会经过多个工具，但是每个工具都缺少用户反馈入口。有了这个反馈，可以基于long term memory再次对agent进行调优
• 自然语言转agent需要支持goto,if-else逻辑（暂时没有想好怎么实现，loop不打算实现，因为简单的loop逻辑可以暂时创建新的工具实现，复杂的loop业务逻辑还需要先支持goto这样的逻辑再说。我觉得可以依然考虑用大模型规划的做法）

🤝 贡献

欢迎提交 Issue 和 Pull Request!

📄 许可证

TODO

---

⭐ 如果这个项目对您有帮助,请给一个 Star! ⭐

最后更新: 2025-11-17
版本: v1.2.0