AuditPilot — 审计合规智能分析 Demo

当前阶段：Slice 5 Production RAG 集成完成。151 tests / 0 xfailed，production_rag 3 passed。

已实现

文档解析

• ✅ txt / md / csv 文本解析
• ✅ PDF（PyMuPDF 文本提取 + 扫描页 OCR fallback）
• ✅ DOCX（python-docx + 表格提取）
• ✅ DOC（LibreOffice headless 转换）
• ✅ XLSX（openpyxl + 多 sheet）
• ✅ 混合 PDF 逐页 OCR（文本页/扫描页混合文档）
• ✅ 前端支持：txt / word / csv / png 文件选择
• ✅ OCR 页数超限 partial 报告

OCR

• ✅ PaddleOCR（中文优化，离线可用，singleton 复用）
• ✅ 图片 OCR：jpg / png / bmp / tiff / webp
• ✅ Disabled provider（受控降级）

LLM 集成

• ✅ 本地 Qwen3.6-35B-A3B-FP8 @ 8083（OpenAI 兼容，无需鉴权）
• ✅ 显式 LLM_MODE=mock|openai_compatible
• ✅ 真实 LLM 错误全路径受控（502/503/504，不伪装成正常结果）
• ✅ Token budget 控制 + 多文件按比例分配
• ✅ 截断明确提示（[仅处理前 N 页，共 M 页]）

Embedding & 向量检索

• ✅ Qwen3-Embedding-4B @ 8085（dim=2560，vLLM arm64）
• ✅ ChromaDB 向量存储 + Collection metadata 校验
• ✅ RegulationIndexer（制度文件索引）
• ✅ VectorRetriever（语义检索）

上传安全

• ✅ 单文件大小限制（默认 50 MB）
• ✅ 总上传大小限制（默认 100 MB）
• ✅ 文件数量限制（默认 10 个）
• ✅ 图片尺寸限制
• ✅ PDF 页数限制
• ✅ 请求结束后上传文件自动清理

Full Text Flow

• ✅ 内部 ParsedDocument.full_text（模型使用完整文本）
• ✅ API 层只暴露 preview（安全边界）
• ✅ Token budget 比例分配

工程质量

• ✅ pytest 151 tests / 0 xfailed + 3 production_rag tests
• ✅ CI（pytest + ruff + CodeQL）
• ✅ 前端 build 通过

部署

服务	端口	模型	说明
35B Chat	8083	qwen3.6-35b-a3b-fp8	vLLM arm64
Embedding	8085	Qwen3-Embedding-4B	vLLM arm64, dim=2560
AuditPilot API	8000	FastAPI	cd backend && fastapi dev

部署文档详见：

• docs/deployment/deployment.md — 项目部署指南

快速启动

# Backend
cd backend
cp .env.example .env        # 首次运行
uv pip install -r requirements.txt
fastapi dev app/main.py

# Frontend
cd frontend
npm install
npm run dev

环境变量

# LLM
LLM_MODE=mock                          # mock | openai_compatible
LLM_BASE_URL=http://127.0.0.1:8083/v1
LLM_API_KEY=                           # 本地 vLLM 无需鉴权
LLM_MODEL=qwen3.6-35b-a3b-fp8

# OCR
OCR_PROVIDER=paddleocr

# Embedding
EMBEDDING_PROVIDER=openai_compatible
EMBEDDING_MODEL=/models
EMBEDDING_BASE_URL=http://127.0.0.1:8085/v1

# Vector
CHROMA_PERSIST_DIR=../data/indexes/chroma/regulations
CHROMA_COLLECTION_NAME=regulations

# Upload
MAX_FILE_SIZE_MB=50
MAX_TOTAL_UPLOAD_MB=100
MAX_FILES_PER_REQUEST=10
PDF_MAX_PAGES=100

LLM_MODE=mock 时返回固定 mock 响应，无需模型服务也能跑。

API

Method	Path	说明
GET	/health	健康检查
POST	/api/analyze	上传文件 + 问题 → 审计分析

合成测试数据

Case 001（采购审批合规风险）提供了完整的合成数据，可直接用于体验系统：

data/tests/evaluation/case_001_procurement_pending_approval/
├── question.txt                  # 审计问题
├── manifest.json                 # 材料清单
├── expected_results.yaml         # 预期结果（测试用）
├── materials/
│   ├── 采购项目说明.md            # 项目背景（Markdown）
│   ├── 采购项目说明.docx          # 项目背景（Word）
│   ├── 供应商报价.xlsx            # 供应商报价（Excel）
│   ├── 采购审批单_scan.png        # 审批单（扫描图片，需OCR）
│   └── 合同草案.txt              # 合同草案（纯文本）
└── regulations/                  # 制度文件（3 份，可索引到 ChromaDB）

上传 materials/ 中的所有文件，输入 question.txt 中的问题即可体验完整审计分析流程。所有数据均为合成测试数据，不包含真实信息。

Project Structure

audit-compliance-demo/
├── frontend/          # React + Vite + TypeScript
├── backend/
│   ├── app/
│   │   ├── config.py           # pydantic-settings
│   │   ├── main.py             # FastAPI routes
│   │   ├── models.py           # ParsedDocument
│   │   ├── schemas.py          # API schemas
│   │   ├── prompts/            # Prompt templates
│   │   └── services/
│   │       ├── audit_engine.py
│   │       ├── chroma_vector_store.py
│   │       ├── document_parser.py
│   │       ├── embedding_client.py
│   │       ├── llm_client.py
│   │       ├── ocr_service.py
│   │       ├── regulation_indexer.py
│   │       └── vector_retriever.py
│   ├── tests/          # 99 tests / 0 xfailed
│   └── requirements.txt
├── data/
│   ├── regulations/    # 制度文件
│   └── indexes/        # ChromaDB
└── docs/
    ├── deployment/
    ├── devlog/
    └── learning/