保险场景 RAG / 产品信息结构化提取系统
Next.js / TypeScript / Supabase / PostgreSQL / pgvector / OpenAI API / Tailwind CSS ｜ 项目地址：insurance.heyqi.xyz ｜ GitHub：github.com/qd-maker/insurance-rag
S：面向保险产品信息提取这一高可信场景，开放式问答方案容易出现幻觉、跨产品污染和结果不可验证的问题。T：目标是做出一个可上线演示、结果可追溯的结构化提取系统，而不是停留在普通聊天问答。
- A：负责核心后端服务设计与实现，基于 Next.js API Route + Supabase / pgvector 封装检索、抽取、健康检查与评估接口，推动项目从前端原型演进为可服务化调用的 AI 应用。
- A：设计混合检索链路，结合产品约束、精确匹配与向量检索，降低跨产品召回污染；补充缓存、日志、健康检查与评估脚本，形成“检索—抽取—展示—评估—运维”闭环。
- A：实现结构化抽取与字段级引用机制，将产品概览、核心保障、免责条款、适用人群等字段映射到来源条款，减少模型编造，增强结果可追溯性。
- R：评估结果显示字段完整率 87.5%、引用覆盖率 87.5%，核心接口 P95 延迟 3254ms，项目已完成线上部署并支持真实查询演示。
结果 1：将 AI 检索与抽取能力沉到服务层，形成可复用的后端接口，而非一次性 Demo 页面。
结果 2：通过混合检索 + 字段级引用设计，把结构化输出做成“能验证来源”的结果，降低保险场景中的幻觉风险。
结果 3：基于评估脚本拿到字段完整率 87.5%、引用覆盖率 87.5%，让项目结果从“感觉还行”变成“有数据可讲”。
结果 4：核心接口 P95 延迟控制在 3254ms，并完成线上部署，具备面试演示与后续迭代基础。