答辩稿
答辩稿
【开场白】
尊敬的各位评委老师,上午好!
我是网络工程XX班的XX。我的毕业论文题目是《基于Spring生态的智能文档管理系统设计与实现》。
(翻页至目录)
下面我将从研究背景、相关技术、系统分析、设计与实现以及总结展望六个方面进行汇报。
第一部分:研究背景与意义
首先请看背景部分。目前我们正处于第四次工业革命浪潮中,虽然数字化办公普及,但传统的文档管理依然面临三大瓶颈:
第一是信息孤岛,非结构化数据占比高,传统系统只能存文件,读不懂内容;
第二是流程割裂,上传、存储、检索分散,操作繁琐;
第三是检索体验差,依赖关键词匹配,无法理解用户意图,更无法进行自然语言问答。
针对这些问题,本项目旨在利用RAG(检索增强生成)技术,将文档管理从单纯的“数字化仓库”转变为“智能化知识大脑”。
理论价值: 探索了文档向量化、提示词工程等关键技术的实现路径。
实践价值: 可广泛应用于企业合同分析、科研文献管理等场景。
工程价值: 解决了Spring生态与RAG架构整合的工程难题,为Java企业级AI应用提供了参考。
第二部分:相关技术
- 后端架构
本系统采用分层解耦的架构。
核心框架: 使用 Spring Boot 遵循“约定优于配置”,简化开发;使用 MyBatis-Plus 极大减少了SQL编写工作量。
AI集成的核心亮点是引入了 Spring AI 框架。它作为统一的AI接入层能够方便地集成大模型和向量数据库,打破了Java生态与AI能力的壁垒。 - AI与前端技术
RAG架构 结合外部知识与大模型推理,有效解决了大模型的“幻觉”问题。
向量数据库选用了 PostgreSQL + PGVector 扩展,支持语义检索,实现“近似”匹配,大大提升了搜索精度。
前端使用 Vue.js 搭配 Element Plus,构建了响应式的用户界面。
第三部分:系统分析
技术可行性 SpringBoot等技术成熟,文档解析库有成功案例,技术壁垒低。
经济可行性 使用开源软件,初期硬件开销可控,后期效率提升可覆盖成本。
操作可行性 Web界面友好,支持拖拽上传,操作门槛低,易于上手。
社会可行性 自主研发,无知识产权风险,符合数据安全与办公智能化趋势。
第四部分:系统设计
- 系统架构设计
系统采用前后端分离模式。
前端: Vue.js负责展示与交互。
后端: 分为API网关层(处理鉴权)、业务逻辑层(核心服务)和数据持久层。
双数据源设计: 这是一个重要细节。我混合使用了 MySQL 存储用户、文档元数据等结构化数据,同时使用 PGVector 存储文档向量数据。 - 业务流程设计
整个系统的业务流程非常清晰:登录注册是基于JWT令牌的身份认证。
文档处理: 用户上传文档后,系统进行格式解析、文本清洗分块,最后调用Embedding模型进行向量化存储。
第五部分:系统实现
接下来我将重点展示系统的功能实现。
- 登录注册与个人中心
系统实现了标准的JWT无状态认证。大家可以看到个人中心界面,集成了签到获取配额、个人信息管理等功能。 - 文档解析与管理
这是系统智能化的基础。
解析模块: 支持PDF、Word、图片等多种格式。上传后,系统后台会自动进行异步解析,提取文本和关键信息(如摘要、标签)。
管理模块: 支持全生命周期的管理,包括预览、下载和删除。大家可以看到文档列表清晰地展示了文件类型、大小和解析状态。 - 智能问答与信息提取
这是系统的灵魂功能。
智能问答: 基于RAG架构。比如我问“作者是谁?”,系统能直接从文档中检索并生成答案“佚名”,而不是让我去翻几千字的文章。
关键信息提取: 系统能自动识别并结构化提取金额、日期等实体信息,方便后续统计。 - 智能BI与知识库
智能BI: 利用图表直观展示了用户增长、文档类型分布、热门关键词等数据,让管理“看得见”。
知识库: 用户可以将多个文档组织成知识库,实现更高效的领域知识管理和检索。 - 管理后台
管理员拥有独立的后台,可以进行用户管理、配额分配、公告发布和系统监控,确保系统安全稳定运行。
第六部分:总结与展望
本项目成功设计并实现了基于Spring生态的智能文档管理系统。
验证了 Spring AI 与 RAG 架构结合的可行性。
系统测试表明,语义检索的平均响应时间为1.48秒,满足了实时交互的需求。
解决了传统文档管理“检索难、交互差”的问题。
当然,系统目前还存在一些不足:
目前主要支持文本类文档,对多模态数据(如图文混排、表格复杂的文档)支持尚不完善。
未来可以计划引入图像识别技术,并尝试对大模型进行微调,引入知识图谱等等,提升系统对复杂逻辑关系的理解。
【结束语】
以上就是我毕业设计的全部内容。
感谢各位评委老师的聆听。








