从模型输出到用户屏幕，核心挑战在于流式传输的稳定性与体验。我们采用SSE实现单向实时推送，避免WebSocket复杂性；错误不中断连接，转为文本流输出，保障用户体验连续性；通过有界队列分级处理事件，确保终态必达；针对长回答，引入截断检测与分段续写机制，结合上下文续推，有效解决长度限制问题。代码层面以简洁可维护为优先，适配小团队、低并发场景，强调“不断流、能看懂”优于严格容错。

用户提问后，平台通过问题预处理清洗与理解意图，再经多路召回（向量+关键词）获取候选分块，用RRF融合+加权统一排序，并以精排Rerank提升相关性。随后进行去重、上下文扩展、按文档分组的证据组装，最终由模型生成带引用的答案。全程保障“不漏、不误、可解释”，实现高效精准的有据回答。

<think>我们根据要求生成≤150字的摘要。摘要需要概括文章主要内容：企业AI平台从0到1（二）讲知识采集与文档处理链路，从上传PDF到可被检索的关键步骤：解析、切分、向量化与索引。强调设计要点如先删后写、语义切分、降级、幂等。给出踩坑教训。控制在150字内。</think>摘要：本文讲述企业AI平台中文件从上传到可被检索的核心链路：上传校验、解析为标准Markdown、语义切分、向量化与索引

本文介绍从零构建企业级AI Agent平台的架构全景与技术选型。因数据主权、治理深度、存量系统绑定及质量运营需求，选择自建而非SaaS。平台采用模块化单体，分渠道、API、服务、数据四层，核心模块包括知识采集、RAG、Agent运行时、Workflow、权限治理等。技术选型以Python+FastAPI为主，数据层复用MySQL、Doris、ES等，强调“模型不能决定授权”的架构纪律。