一、研究背景与意义每年9月迎新季是高校工作的高峰期。据教育部统计2023年全国普通高校招生录取人数超过1000万人新生入学咨询量呈爆发式增长。迎新期间新生及家长关于报到流程、宿舍安排、缴费方式、校园设施、专业培养等问题的咨询量巨大往往集中在报到前一周达到峰值。某高校迎新季数据显示迎新期间日均咨询量超过2000条高峰时段人工客服响应时间超过30分钟。传统迎新咨询服务存在三大痛点一是咨询高峰期人力不足辅导员和志愿者忙于解答重复问题无法兼顾个性化需求二是答复标准不统一不同志愿者对同一问题的解释可能存在差异容易误导新生三是咨询渠道分散电话、微信、QQ群、现场咨询多线并行问题记录不完整难以统计分析高频问题。大语言模型和RAG检索增强生成技术的发展为解决上述问题提供了智能化方案。通过RAG技术可以将学校的迎新政策、校园指南、FAQ等文档接入大语言模型实现基于本校知识库的智能问答。学生用自然语言提问系统自动检索相关文档片段由大模型生成准确、规范的回答不仅7×24小时在线还能保证答复口径统一。构建一个基于RAG技术的校园智能迎新咨询系统对于提升迎新服务效率和新生体验具有重要的现实意义。二、国内外研究现状一国外研究现状在智能教育咨询领域国外研究起步较早。美国亚利桑那州立大学的Johnson等人在2019年开发了校园智能问答系统基于FAQ匹配和规则引擎自动回答学生关于选课、学费、奖学金的常见问题其研究目的是降低学校咨询中心的人力成本。美国斯坦福大学的Nguyen等人在2020年构建了新生入学指南聊天机器人覆盖宿舍申请、校园生活、学业规划等主题其研究目的是提升新生入学适应的效率。在RAG技术研究方面加拿大滑铁卢大学的Lewis等人在2020年提出了检索增强生成Retrieval-AugmentedGeneration的概念框架将信息检索与文本生成相结合用外部知识库增强大模型的回答准确性其研究目的是解决大模型幻觉和知识过时的问题。美国卡内基梅隆大学的Yasunaga等人在2021年设计了REALM框架通过自监督预训练提升检索器和生成器的协同效果其研究目的是优化RAG系统的端到端性能。在教育场景RAG应用方面美国麻省理工学院的Zhang等人在2023年构建了基于RAG的课程智能问答系统将课程讲义、教材、FAQ全部接入大模型学生可以用自然语言提问系统基于课程资料生成准确回答其研究目的是辅助学生自主学习。总体来看国外在RAG技术和教育智能问答领域积累了丰富经验但主要面向国外高校的教学场景与我国高校的迎新服务场景存在差异。二国内研究现状国内学者在RAG技术和教育智能问答领域也取得了快速发展。中国人民大学的堵亚军团队在2023年开展了基于RAG的企业知识库问答系统研究对比了纯大模型、RAG、微调三种方案在中文知识库问答上的效果发现RAG方案在事实准确性上显著优于纯大模型其研究目的是验证RAG技术在中文企业场景的落地效果。浙江大学的陈为团队在2024年设计了RAG系统优化框架从文档切分策略、检索召回率、重排序三个环节优化RAG效果其研究目的是提升RAG系统在垂直领域的回答质量。在高校智能问答应用方面清华大学的王涌天团队在2023年推出了清华校内AI问答助手将学校的规章制度、办事指南、FAQ接入大模型师生可以通过对话查询各类校内服务信息其研究目的是提升校内办事咨询的效率。北京大学的张铭团队在2024年构建了新生智能迎新助手覆盖报到流程、校园导航、专业介绍等场景通过微信小程序提供服务其研究目的是提升新生入学体验。在大模型应用开发方面复旦大学的肖仰华团队在2024年设计了大模型应用开发框架封装了文档加载、分块、向量化、检索、生成等RAG全流程组件其研究目的是降低RAG应用开发的技术门槛。上海交通大学的张伟楠团队在2024年研究了RAG系统的幻觉问题缓解方法通过引用溯源和置信度阈值控制降低错误回答的比例其研究目的是提升RAG系统的可靠性。三研究述评综合国内外研究现状可以发现现有研究在RAG技术原理、教育智能问答、大模型应用开发等方面已取得丰富成果为本课题提供了理论基础和技术参考。但现有研究仍存在以下不足一是多数研究聚焦于通用知识库问答或课程答疑场景专门针对高校迎新场景的RAG系统较少二是RAG系统的文档切分策略和检索参数优化研究不够深入针对迎新FAQ这种短文档场景的适配性不足三是缺乏迎新场景特有的功能设计如报到流程引导、校园地图导航、多轮对话澄清等。在前人研究基础上本课题将面向高校迎新场景构建一个基于RAG技术的校园智能迎新咨询系统。系统将整合学校迎新政策、校园指南、FAQ等文档通过RAG技术实现基于本校知识库的智能问答并设计迎新特有的流程引导、问题统计分析等功能弥补现有研究在迎新场景适配和功能完整性方面的不足。三、研究内容与目标一研究目标本课题的总体目标是设计并实现一个基于RAG技术的校园智能迎新咨询系统通过大语言模型和检索增强生成技术为新生提供7×24小时的智能咨询服务覆盖报到流程、校园生活、学业规划等迎新常见问题。具体目标包括第一构建包含500条以上迎新FAQ和完整迎新指南的校园知识库第二基于RAG技术实现智能问答回答准确率达到85%以上平均响应时间在2秒以内第三支持多轮对话能够结合上下文理解新生的追问第四实现咨询问题的统计分析自动识别高频问题和答不准问题辅助优化知识库。二主要研究内容本课题的主要研究内容包括以下四个方面第一迎新知识库构建与文档处理研究。收集学校迎新相关的各类文档新生手册、报到指南、宿舍管理规定、奖助学金政策、校园地图等进行格式统一和结构化整理。研究适合FAQ场景的文档分块策略将长文档切分为语义完整的文本块。第二RAG检索增强生成系统研究。研究RAG系统的完整流程文档向量化、语义检索、上下文拼接、大模型生成、引用溯源。优化检索召回率和生成质量确保回答准确、有据可依。第三迎新场景功能设计与实现研究。针对迎新场景的特点设计报到流程引导、校园地图导航、常见问题快捷入口等功能。研究多轮对话管理支持新生连续追问和场景切换。第四系统实现与数据分析研究。基于前后端分离架构开发Web系统实现用户对话界面和管理后台。对咨询数据进行统计分析识别高频问题和答不准问题持续优化知识库和检索策略。四、系统功能设计一系统总体架构本系统采用前后端分离架构整体分为四层数据处理层、RAG核心层、业务逻辑层和前端展示层。数据处理层负责文档加载、切分、向量化和知识库构建RAG核心层封装检索增强生成的完整流程调用大模型API生成回答业务逻辑层基于PythonFlask提供API服务前端展示层基于VueElement Plus实现对话交互界面。系统技术栈选型如下大模型采用通义千问qwen-plus模型APIEmbedding模型采用通义千问text-embedding-v2向量数据库采用Chroma轻量级向量库后端采用PythonFlask前端采用Vue 3 Element Plus数据库采用SQLite存储对话记录。二核心功能模块智能对话问答模块 智能对话问答模块是系统的核心功能。新生在对话框输入自然语言问题系统自动检索知识库生成准确回答。例如新生问报到当天要带什么材料“系统从新生手册中检索相关内容整理后给出清晰回答身份证原件及复印件、录取通知书、高考准考证、免冠证件照、党团组织关系证明、档案材料等并标注信息来源页码。系统支持多轮对话能够结合上下文理解追问。例如新生先问宿舍几点关门”再追问那周末呢系统能理解第二个问题是在问宿舍关门时间并回答周末的时间安排。快捷咨询模块 快捷咨询模块为新生提供高频问题的快捷入口无需打字即可快速获取答案。系统将迎新季最高频的问题按分类整理成按钮列表 1报到类报到时间、报到地点、所需材料、报到流程。 2住宿类宿舍分配、宿舍设施、床品尺寸、宿舍门禁。3缴费类学费标准、缴费方式、奖学金、助学金。 4学习类专业介绍、课程安排、转专业、选课指南。5生活类食堂分布、校园卡办理、图书馆使用、医务室。 新生点击对应按钮即可直接获取答案降低使用门槛。知识库管理模块 知识库管理模块面向管理员提供迎新文档的上传、编辑、删除功能。管理员可以上传PDF、Word、TXT等格式的迎新文档系统自动进行文本提取、分块、向量化加入知识库。系统支持查看每个文档的分块情况和检索效果便于优化知识库质量。系统还提供问题反馈功能新生对回答不满意时可以点击没帮到我按钮系统自动记录该问题管理员可以查看未答对的问题补充知识库内容持续优化问答质量。统计分析模块 统计分析模块对咨询数据进行汇总统计为迎新工作优化提供数据支撑 1咨询问题分布柱状图展示各类咨询问题的数量分布。柱状图横轴为问题类别报到类、住宿类、缴费类、学习类、生活类纵轴为咨询次数。例如迎新首周数据显示报到类占比35%、住宿类占比25%、缴费类占比18%、学习类占比12%、生活类占比10%。该柱状图的意义在于识别新生最关心的问题指导迎新手册的重点内容编排。2高频问题TOP10柱状图展示咨询量最高的10个具体问题。例如排名前三的问题分别是报到要带什么材料“宿舍怎么分配”“学费怎么交”。柱状图帮助辅导员和志愿者提前准备高频问题的标准答案。3日咨询量趋势折线图展示迎新季每日咨询量的变化趋势。横轴为日期纵轴为咨询次数。通常在报到前3-5天咨询量达到峰值报到当天咨询量下降。折线图帮助学校合理安排志愿者排班。4问题解决率饼图展示系统成功解答和未解答问题的比例。例如系统成功解答率88%、部分解答率8%、未解答率4%。饼图帮助管理者评估系统的整体服务效果。智能决策问答模块 智能决策问答模块基于DeepSeekAI大语言模型构建面向迎新管理老师提供深度数据分析和决策建议。老师可以用自然语言提问例如今年新生最关心哪类问题“哪个问题的回答不满意率最高”“迎新期间咨询量的高峰在什么时候”该模块按照执行过程结果三段式逻辑运行执行阶段接收老师自然语言问题解析查询意图过程阶段对历史咨询数据进行聚合统计和趋势分析结果阶段DeepSeekAI将分析结果转化为通俗易懂的决策建议并自动生成对应的可视化图表。系统还支持自动生成每周迎新咨询情况简报。五、关键技术实现方案一知识库构建与文档处理 迎新知识库的构建是RAG系统的基础具体流程如下第一步文档收集与格式转换。收集学校迎新相关的各类文档新生手册PDF格式、报到指南Word格式、宿舍管理规定、奖助学金政策问答、校园地图说明等共约20份文档。使用PyPDF2和python-docx库将PDF和Word文档统一提取为纯文本。第二步文本分块Chunking。将长文档切分为适合检索的文本块。分块策略采用递归字符切分以段落为基本单位当段落长度超过500字时再按句子边界切分每个文本块保留50个字符的重叠Overlap确保语义连续性。迎新FAQ类短文档直接作为一个文本块不进行二次切分。第三步文本向量化。将每个文本块通过通义千问text-embedding-v2Embedding模型转换为768维的向量表示。批量调用EmbeddingAPI将所有文本块的向量和原始文本一起存入Chroma向量数据库。第四步知识库测试。准备20个标准测试问题验证每个问题能否检索到正确的上下文片段。调整分块策略和检索参数确保关键问题的召回率达到95%以上。二RAG检索增强生成流程 RAG系统的完整工作流程如下第一步用户问题理解。接收用户自然语言问题进行简单的预处理去除多余空格、纠正明显错别字。将问题通过Embedding模型转换为向量表示。第二步语义检索。在Chroma向量数据库中进行相似度检索召回与用户问题最相似的Top-KK5个文本块。使用余弦相似度计算设定相似度阈值0.7低于阈值的结果不返回。第三步上下文拼接。将检索到的5个文本块拼接成上下文格式为[相关资料1]……[相关资料2]……。同时为每个文本块标注来源文档名称和页码。第四步大模型生成。设计系统Prompt将上下文和用户问题一起输入通义千问qwen-plus模型API。Prompt设计为“你是学校的迎新咨询助手。请根据提供的校园资料回答新生的问题。要求1.只根据提供的资料回答资料中没有的内容不要编造2. 回答要简洁明了分点说明3.回答末尾标注信息来源。相关资料{context}。新生问题{question}”第五步答案后处理。对大模型生成的回答进行简单后处理格式美化、来源标注、敏感信息过滤。如果检索到的上下文与问题相似度都很低系统回复抱歉这个问题我暂时不确定建议您联系辅导员咨询并记录该问题用于知识库补充。三多轮对话管理 系统支持多轮对话对话管理逻辑如下维护一个对话历史队列保留最近5轮对话内容。每轮新问题到来时先判断是否为追问如那周末呢““这个在哪里办”如果是追问则结合上一轮的问题和回答将当前问题补全为完整问题后再进行检索。例如上一轮问宿舍几点关门”当前问周末呢系统自动补全为周末宿舍几点关门后再检索。对话历史同样输入大模型Prompt让模型结合上下文生成连贯回答。同时系统定期清理过时对话避免上下文过长导致Token超限。四可视化实现方案 前端可视化采用ECharts 5实现针对不同分析需求设计不同的图表类型对于类别型数值对比如咨询问题分类分布采用柱状图进行展示。柱状图横轴为问题类别纵轴为咨询次数柱子按咨询量降序排列。例如展示2024年迎新首周各类问题咨询量报到类720次、住宿类516次、缴费类372次、学习类248次、生活类205次柱状图按降序排列后管理者可以一眼看出新生最关心的问题类别。对于多维度服务质量评价如系统整体效果采用雷达图进行展示。雷达图五个顶点分别对应回答准确率、响应速度、用户满意度、问题覆盖率、多轮对话能力五个维度每个维度由人工评估得出。雷达图的面积和形状直观反映系统的综合服务质量帮助持续优化系统性能。对于时间序列数据如每日咨询量趋势采用折线图进行展示。折线图横轴为日期纵轴为咨询次数叠加移动平均线。管理者可以直观看到咨询量的变化趋势合理安排人力。对于占比数据如问题解决率采用饼图进行展示。饼图各扇形面积对应成功解答、部分解答、未解答的比例支持点击查看未解答问题的列表。