AI 项目案例 / CASE 03
文档与 ERP/WMS 统一问答复能助手：企业级 RAG + MCP Agent
将企业文档、ERP 订单、WMS 库存与报表数据接入统一问答链路，支持业务查询、知识溯源和分析报告生成。
CONTEXT / PROBLEM
把文档知识与业务数据接起来
企业问答场景同时涉及文档知识和 ERP 订单、WMS 库存及报表数据。项目目标是把这些信息接入统一问答链路，支持业务查询、知识溯源和分析报告生成。
工程问题在于衔接两类数据路径：文档经过解析与检索，业务数据通过 MCP 数据库工具查询，最终进入同一编排和回答流程。
SYSTEM / DELIVERY
系统与工程信息
- 系统链路
- PDF 文档解析与 Milvus 检索 + MCP 数据库工具查询 ERP/WMS → Spring AI 编排 → Qwen3-72B 生成 → Vue 3 流式展示与引用溯源。
- 项目记录
- 接入 20 份 PDF，使用 5000 条业务样本完成 LoRA 微调；支持流式问答、引用溯源与分析报告生成。微调样本不等于独立评测集。
- 技术栈
- Java / Spring Boot / Spring AI / MCP / Milvus / Qwen3-72B / LLaMA-Factory / LoRA / Vue 3
ENGINEERING / CHOICES
分别处理知识检索与业务查询
用 RAG 连接文档知识
PDF 文档经过解析后进入 Milvus 检索链路，为回答提供文档内容，并在前端保留引用溯源。项目资料记录接入 20 份 PDF。
用 MCP 连接 ERP / WMS
通过 MCP 数据库工具查询 ERP 订单、WMS 库存与相关报表数据，与文档检索一起接入 Spring AI 编排。
将生成与流式展示衔接
使用 Qwen3-72B 生成回答，通过 Vue 3 流式展示；模型侧使用 LLaMA-Factory / LoRA 进行业务样本微调，并参与相应部署。
ROLE / DISCLOSURE
交付范围
全栈开发 / AI 应用开发参与范围：Spring AI 接入、RAG 检索、MCP 数据库工具、流式回答、模型微调部署与企业业务问答链路开发。
本人在团队中的参与范围
检索与工具接入
参与 Spring AI 接入、RAG 检索与 MCP 数据库工具开发，连接企业文档和 ERP / WMS 业务查询。
问答链路与前端体验
参与企业业务问答链路与流式回答开发，串联模型生成、Vue 3 展示和引用溯源。
模型微调与部署
参与模型微调部署。这里展示的是全栈与 AI 应用开发贡献，不将团队整体成果表述为个人独立交付。
DELIVERABLES / EVIDENCE
交付内容与公开证据
本人的参与交付范围
- Spring AI 接入、RAG 检索与 MCP 数据库工具
- 企业业务问答链路与流式回答开发
- 模型微调与部署
本页可查看的证据
公开内容包括系统链路、技术栈、个人参与范围，以及 20 份 PDF 接入与 5,000 条业务样本微调的项目记录。
上方图片是基于案例说明生成的概念视觉，不是真实产品截图，也不作为界面实现或验收通过的证据。
5,000 条业务样本用于 LoRA 微调，不是独立评测集。本页未公开评测题集、评分口径或可复核的报告耗时记录，因此不据此声明问答准确率或报告生成速度。
技术标签
- RAG
- MCP
- MILVUS
- QWEN3-72B