本科生毕业设计任务书
毕业设计题目: 基于RAG的证券期货法规智能检索系统设计与实现
学院: 专业班级:
姓名: 学 号:
任务书包含以下内容:
一、设计主要内容
券商、基金公司合规部日常有两项最费时间的工作：一是针对具体业务问题查找现行有效的监管依据，二是新规发布后核对新旧条文究竟改了什么。一件事往往同时被《证券法》、证监会部门规章与规范性文件管着，又隔着好几层修订，合规人员知道“有这么个规定”，却不容易找到“现行有效的那一版的第几条”；而现有的法规检索按标题与关键词匹配全文，搜“适当性匹配”返回的是一堆文件名，具体到某一章某一条还得自己点进去翻。核对新旧同样费力，公告里常常只写“对第某条作了修改”，剩下的要靠人拿两个版本逐条对，一部八十条的管理办法修订一次，人工比对一个下午，还容易漏掉被废止的条款。直接向通用大模型提问也不稳妥，它分不清哪一版现行有效，常把已废止的条款当作现行规定作答，条号也多有编造，在合规场景里答错一条比不答更麻烦。本设计针对上述问题，研制一套基于检索增强生成的证券期货法规智能检索系统，把法规按“法规—版本—条款”三层组织入库，使检索落到条款级、使回答能回溯到具体版本，并对同一部法规的两个版本给出逐条差异清单，为合规人员查依据与比新旧两类工作提供一个结论可核实、过程可解释的工具。
本系统面向合规专员与管理员两类角色，围绕“法规—版本—条款”三层数据结构组织功能，主要包括法规库与版本管理、法规采集与入库、条款级检索、智能问答、新旧版本差异比对、条款沿革、收藏以及使用情况与审计八部分。法规库与版本管理是整个系统的地基：一部法规下可以挂多个版本，每个版本记录公布日期、施行日期与修订说明，其中只能有一个是现行版本；条款是数据的最小单位，一条条款就是一条记录，带条号、所在章节与正文。用户可按类别、发布机关、是否现行有效筛选法规，也可以在一部法规内部按章节逐条浏览。这样安排的意义在于，“哪一版有效”由数据本身决定，不靠猜、也不交给模型判断。采集与入库面向管理员：输入关键词后从证监会证券期货法规数据库取回法规列表（一页两百条），勾选要用的法规，系统抓取正文并按“第几条”切成条款，切分结果先给出法规名、条款数与前三条正文的预览，确认无误才入库；同一部法规若已有旧版本，新抓取的内容自动挂成一个新版本，并提示是否需要立刻与上一版比对。考虑到网络与页面结构的不确定性，系统另保留一条不依赖抓取的通道，按约定格式上传一份 JSON 同样能导入一部法规的一个版本及其全部条款。
条款级检索是系统与普通全文检索的分界：用户输入一句话，返回的是条款而不是文件名，每条结果给出法规名、版本、条号、所在章节、命中的原文片段与相关度。检索默认只看现行版本，用户勾选“含历史版本”后历史条款也参与检索，但结果上标注“已废止版本”，不会被当成现行规定回答。智能问答在检索的基础上组织答复：用户可先选定业务类别（证券、基金、期货、信息披露、投资者适当性）再提问，系统找出最相关的若干条条款，先给结论、再列依据、最后给操作建议；每条依据都能点开，看到条款原文以及它出自哪一版，这是本系统与其他问答工具最根本的区别——结论可以被核实到条。同一会话支持继续追问，系统结合前文理解上下文，但每次都会重新检索，不拿旧答案凑数。系统也不编造：检索到的内容不足以回答时，明确给出“暂未找到直接规定”，并把最接近的三条列出来供人自行判断；模型若引用了不在本次检索结果中的条号，服务端会在展示与保存前把该引用剔除。
新旧版本差异比对面向管理员：选定一部法规的两个版本后，系统自动逐条对齐，给出新增、修订、疑似修订、废止、未变五类结果。新增指新版才有这一条，修订指两版都有但文字改了，疑似修订指改动幅度较大、系统拿不准而标出来请人确认，废止指旧版有而新版没有，未变指两版一致。每条差异可点开看新旧原文并排对照，改动处逐句标色，新增句绿色、删掉句红色、未动句灰色；页面上方给出各类条数与按章节的分布，管理员可逐条标记“已确认”或“已忽略”并写明对公司制度的影响，最后导出 Markdown 比对报告，直接作为制度修订的依据。条款沿革把同一部法规中各版本里的同一条串联起来，显示每个版本何时施行、当时这条写的是什么、与上一版相比是新增、改动还是未变、改了多少，回答“这条什么时候改的、改过几次”不必再翻旧文件。此外，法规、条款、差异项与会话四类对象均可收藏并按类型分组查看；管理端提供法规数、版本数、条款数、已建索引数、问答次数、被引用最多的条款、各类业务的提问分布与近三十天提问趋势，并可查每次调用外部智能服务的记录，用于排查与说明。
总体技术路线：系统采用前后端分离的 Web 应用形态，后端负责数据管理、检索与生成编排，前端负责浏览、检索、问答与比对操作，两端通过 REST 接口交换 JSON 数据；法规正文、条款与向量数据统一存放在关系型数据库中，运行期除调用外部智能服务外不依赖公网。具体语言、框架与数据库的选型属于详细设计阶段的工作，本阶段只确定技术方向：后端需便于接入中文分词、文本向量化与文本相似度计算等组件，前端需便于实现并排对照、逐句着色与图表统计这类交互，具体方案在详细设计文档中确定。
条款级混合检索是系统的核心算法。单一检索方式在本场景下都有明显短板：纯向量检索对语义相近的表述有效，但面对“第六十六条”“关联方”“适当性匹配”这类精确词容易漂移；纯关键词检索保得住精确词，却搜不到换了说法的同义表达。因此本设计拟采用“语义向量召回 + 关键词召回”并行的双路方案：语义路以中文预训练向量模型把问题与条款分别编码为稠密向量，按余弦相似度取前若干条；关键词路以中文分词构建倒排索引并按 BM25 打分取前若干条，两者互补。两路结果需要合并成一份排序，考虑到向量相似度与 BM25 分值的量纲不同、直接加权会引入难以解释的权重，拟采用只依赖名次的倒数排名融合方法合并，再取融合后的前若干条作为生成环节的上下文。条款参与编码的文本除正文外还带上法规名、版本与章节路径，使领域词能被向量表示捕获；检索范围默认限定在现行有效版本的条款上。为便于调参与答辩演示，系统保留检索明细，可展开查看每条候选在语义路与关键词路上的得分与最终名次。当向量索引尚未建立或向量模型不可用时，检索自动回退为关键词单路，保证功能不中断。
答案生成与引用校验。生成环节拟调用外部大语言模型服务，由固定的系统指令与本次检索到的条款原文共同构成提示词，要求模型按约定结构输出结论、引用条款与操作建议，并明确约束不得引用未出现在本次检索结果中的条号、不得复述条款完整原文、依据不足时应如实表示无法回答。模型输出并不直接采信，服务端在展示与保存前做校验：先校验返回内容的结构与字段是否完整；再逐条核对所引条号是否属于本次检索结果，越界的引用直接剔除；若剔除后已无可引用条款而模型仍声称可以回答，则改判为无法回答并转入无依据分支；结论文本中出现的条号与所引条款不对应时记入审计供事后核查。条款原文由后端按条号从数据库取出，不由模型复述，引用记录同时保存法规名称、版本、条号、章节与原文快照，使法规日后修订也不影响历史回答的可追溯性。外部服务关闭、缺少访问凭据、调用超时或返回格式不符约定时，系统转入降级路径，返回检索到的条款原文与模板化说明，并在界面明确标注当前为检索模式，检索、浏览与比对功能照常可用。
版本差异判定是另一项核心算法。法规正文需要先切成条款：以行首出现的“第某条”作为切分依据，只在行首匹配，避免把正文中“依据第某条”之类的引用误切；切分的同时提取所在编、章、节并规范化条号，切分后校验条号是否递增、有无重复、条款数是否过少，不满足即报错并要求人工核对，避免把“关于修改某办法的决定”这类短文本当成整部法规入库。两个版本的比对分两步进行：先按规范化后的条号做精确对齐，能在条号上一一对应的条款直接配成对；再对未能对齐的余量条款计算文本相似度并配对，相似度由字符序列匹配比例与向量余弦相似度加权得到——条款修订常伴随语序调整，只用字符匹配会系统性偏低，加入语义相似度可缓解这一问题。对齐之后按相似度分档判定差异类型：高相似度判为未变或修订，中等相似度判为疑似修订并标出低置信度交由人工确认，无法配对的条款则按新旧方向分别判为新增或废止；一条拆成两条、两条合并成一条的情形单列为结构性变化，不静默计入新增与废止。分档所用的相似度阈值不是先验给定的常数，需要在人工标注的样本上校准后写入配置，并允许在界面上调整。比对全程不使用大模型，判定结果由确定性算法产出、每一步都能给出相似度依据；模型至多用于生成一句话的变更摘要，且该摘要可以关闭。同一版本对重复发起比对时，结果按版本对整体覆盖重建，不产生重复堆积。
工程实现与评测。前端按业务模块组织页面与请求，登录后依据角色渲染菜单，专员与管理员看到的功能入口不同，未登录或被越权访问时跳转相应页面；引用卡片以“法规名 + 条号 + 版本与施行日期”的形式呈现，点开显示的原文取自保存时的快照而不再请求后端，历史版本条款带“已废止版本”角标，答复来源以不同颜色标签区分智能答复、检索模式与未找到直接规定三种情形；差异对照页左右两栏同屏滚动、逐句着色，并在顶部给出相似度与判定依据。后端按认证与权限、法规与版本、条款、采集与入库、检索、问答、比对、收藏、统计与审计分模块组织，写操作统一做参数校验，查询全部参数化，日志不记录密码与令牌。测试方面，拟用单元测试覆盖条款切分、条号转换、关键词打分、融合排序、相似度加权、对齐的几种典型情形以及引用校验与降级拼装，用接口测试覆盖越权访问、会话归属与重复收藏等边界，并对提问全链路与降级链路做集成测试；效果评测按客户版需求约定的验收标准执行：以 40 道覆盖各业务领域的条款检索题目统计前五命中情况，命中率不低于 80%；以两组人工标注的法规版本对检验差异类型判定是否准确，准确率不低于 90%。也即客户版需求中的验收要点十三项，逐项设计用例加以验证。部署上采用单机前后端分离方式，前端构建产物由后端托管，数据库为单机实例，向量模型权重本地加载，抓取仅在入库阶段需要网络，以满足离线演示的要求。
数据来源方面，系统数据取自中国证监会证券期货法规数据库，该库对社会公众开放，法规正文页可直接抓取并按条款切分；法规文本属于具有立法、行政、司法性质的文件，系统内标注来源链接且不修改原文。入库的法规范围、覆盖的业务类别与最终条款规模，按客户确认的范围与实施阶段的实际采集结果确定，本阶段不作硬性数量约定。全部条款原文来自抓取或导入，不由模型生成，模型的职责限于解释与串联；差异的“新增、修订、废止”判定由算法产出，模型只用于撰写变更摘要且可关闭。性能与非功能要求按客户版需求执行：提问到出结果不超过五秒，纯检索半秒内返回，一对各百条左右的版本比对在三秒内完成；外部智能服务不可用时检索与比对照常可用并在界面标注检索模式；法规原文与条款数据全部本地保存以支持离线演示；支持 Chrome 与 Edge 最新版，分辨率自 1366×768 起。交付物包括可运行的前后端系统、数据库建表脚本、部署与配置说明、测试用例与评测记录，以及毕业论文。本设计的技术难点集中在三处：条款切分能否准确到条、混合检索能否把该找的条款排到前面、差异判定能否把改动的条款认出来而不误判，三者都需要在真实法规数据上反复验证，而不是停留在方案描述上。
二、完成的主要任务及要求
1.需求梳理与方案论证。通过文献查阅与业务调研，了解券商、基金合规人员在查依据与比新旧两类工作中的实际流程，对比证监会法规库自带检索与直接使用通用大模型两种做法的局限，明确以条款级检索与版本差异比对作为技术落点；梳理两类角色的使用场景与权限边界，形成需求说明与总体方案，并完成开题报告与任务书。
2.数据结构与权限体系设计。按“法规—版本—条款”三层设计数据模型，确定法规主档、版本、条款以及差异项、问答会话、引用记录、收藏等数据的字段与关联，明确“同一主档只有一个现行版本”这一约束在数据层如何落地；设计注册登录与角色权限方案，确定令牌机制与越权拦截方式。
3.法规采集与条款解析。实现证监会法规库列表与正文的抓取，支持按关键词与类别分页检索；实现正文清洗与保护，只取文本、去除脚本样式；实现以行首条号为依据的条款切分、条号规范化与章节路径提取，并加入条号连续性与条款数下限的校验；实现抓取预览与确认入库、同一法规新版本自动挂接、JSON 结构化导入以及失败原因的记录。
4.条款索引与混合检索。实现条款向量化与索引构建，支持按法规或版本限定范围重建并显示进度与失败项；实现中文分词与 BM25 关键词检索；实现两路召回的倒数排名融合与低置信度判断；提供条款检索功能，返回条款级结果并支持按类别与版本范围过滤，历史版本条款显式标注；保留检索明细以便调参与演示。
5.智能问答与引用校验。实现会话的创建、列表、查看与删除以及消息管理；实现提问与追问的检索、提示词拼装、模型调用、结构校验与结果保存全流程；实现引用条号回查检索结果、越界剔除、原文由后端拼接与引用快照保存；实现低置信度与无依据情形下的提示，以及答复反馈与会话导出。
6.降级运行与调用审计。实现检索与生成之间的解耦，使外部智能服务关闭、缺少凭据、调用超时或返回格式异常时转入降级路径，输出条款原文与模板化说明并标注检索模式；实现必要参数的可配置与热更新；记录每次外部调用的场景、耗时、是否降级与失败原因，供审计与排查。
7.版本差异比对与报告导出。实现条号精确对齐与余量条款的相似度配对，完成未变、修订、疑似修订、新增、废止的分类以及拆并情形单列；实现在人工标注样本上校准相似度阈值；实现比对的覆盖重建以保证重复比对不堆积；实现差异清单筛选、新旧并排与逐句着色、版本对统计与章节分布、差异项的确认与忽略，以及比对报告导出。
8.前端实现、测试与论文撰写。完成专员端与管理端的页面实现，包括法规库、法规详情与版本时间轴、条款详情与沿革、条款检索、问答会话、比对与差异对照、收藏、统计看板与调用审计，实现角色路由与菜单渲染；完成单元测试、接口测试与集成测试；构建检索评测题目与人工标注的版本对样本，整理评测结果；撰写毕业论文并准备答辩材料。
三、完成任务的时间节点
第七学期，第5-8周：查阅证券期货监管法规、检索增强生成与文本比对方面的文献，完成选题论证，撰写开题报告与任务书，确定技术方向。
第七学期，第9-10周：开展业务调研，梳理合规人员的查依据与比新旧流程，明确两类角色各自的使用场景，形成需求说明。
第七学期，第11-12周：完成总体方案与数据结构设计，确定“法规—版本—条款”三层模型与功能模块划分，编写设计文档。
寒假，自主进行研究，与指导老师线上沟通。熟悉后端框架与前端框架的使用，搭建开发环境与数据库，完成中文向量模型与分词组件的本地部署和编码实验。
第八学期，第5-6周：实现账号与权限、法规与版本管理、条款与章节浏览、法规抓取与条款解析入库、JSON 导入等基础模块。
第八学期，第7-8周：实现条款向量索引与关键词索引、双路召回与融合排序，完成条款检索功能；实现问答会话、提示词拼装、引用校验、低置信度处理与降级路径。
第八学期，第9-10周：实现条款对齐与差异分类、比对结果的幂等处理、差异清单与逐句对照、统计图表与报告导出；完成前端主要页面。
第八学期，第11-12周：系统联调与缺陷修复，完成单元、接口与集成测试；构建检索评测题目与人工标注版本对样本，整理命中情况与判定准确率，完成性能测试与部署验证。
第八学期，第13周：整理实验数据与图表，撰写毕业论文初稿，完成系统截图与演示脚本。
第八学期，第14-15周：根据指导教师意见修改论文并定稿，完成查重与格式审查，准备答辩材料并进行答辩演练。
必读参考文献（不少于20篇，其中外文参考文献不少于3篇）
[1]李明达,邸洪波,孙媛媛,等.基于法条检索的生成式法律问答研究[J].山西大学学报(自然科学版),2025,48(4):653-665.
[2]田永林,王雨桐,王兴霞,等.从RAG到SAGE:现状与展望[J].自动化学报,2025,51(6):1145-1169.
[3]张犬俊,谢杨,房春荣,等.检索增强生成在软件工程中的应用综述[J].软件学报,2026,37(3):1316-1339.
[4]罗文,王厚峰.大语言模型评测综述[J].中文信息学报,2024,38(1):1-23.
[5]孙凯丽,罗旭东,罗有容.预训练语言模型的应用综述[J].计算机科学,2023,50(1):176-184.
[6]李莹,伍胜,徐聪,等.语义文本相似度计算方法研究综述[J].软件导刊,2024,23(11):1-11.
[7]徐传丽,周世杰,吴春江.深度学习中文本相似度计算研究综述[J].计算机应用与软件,2024,41(11):1-14.
[8]来雨轩,王艺丹,王立.基于大语言模型与检索增强的学科试题生成方法[J].中文信息学报,2024,38(12):148-158.
[9]刘权,陈壮,郝建业,等.融合案件要素的相似案例匹配[J].中文信息学报,2022,36(11):140-147.
[10]高晓欣,刘永清,孙明,等.基于知识图谱的电力设备条款差异识别研究[J].计算机应用与软件,2026,43(8):179-185.
[11]李礼,姜萌,孙继华.监管科技的研究进展、热点演进及其对琼粤监管合作的启示[J].南海学刊,2024,10(5):21-31.
[12]刘彦宏,崔永瑞.基于Word2Vec模型与RAG框架的医疗检索增强生成算法[J].人工智能与机器人研究,2024,13(3):479-486.
[13]籍欣萌,管红英,崔婷婷,等.中文医疗大模型综述:进展、评估与挑战[J].中文信息学报,2024,38(11):1-12.
[14]曾浩,黎杰,谢彬.基于SpringBoot + Vue的桂林龙胜各族自治县的旅游信息系统设计[J].现代信息科技,2024,8(16):102-106.
[15]崔晨雨.基于B/S模式的项目可视化管理信息系统设计与实现[J].电脑知识与技术,2024,20(16):51-53.
[16]曹智泉,穆永誉,肖桐,等.预训练神经机器翻译研究进展分析[J].中文信息学报,2024,38(6):1-23.
[17]王浩畅,郑冠彧,赵铁军.面向合同信息抽取的动态多任务学习方法[J].软件学报,2024,35(7):3377-3391.
[18]Robertson S,Zaragoza H.The Probabilistic Relevance Framework:BM25 and Beyond[J].Foundations and Trends in Information Retrieval,2009,3(4):333-389.
[19]杜泉佐.基于大语言模型与检索增强生成的智能法务咨询方法研究[D].哈尔滨:哈尔滨工业大学,2025.
[20]包刚林.面向知识问答的大语言模型检索增强生成方法研究[D].北京:北京交通大学,2024.
[21]黄薇屹.基于知识图谱的深度法律内容问答模型[D].北京:中国科学院大学,2020.
[22]申佳.基于深度学习的罪名预测和法条推荐研究[D].北京:中央财经大学,2022.
[23]徐婷.基于BERT的类案匹配方法研究及系统实现[D].石河子:石河子大学,2023.
[24]闫之威.基于知识图谱的法律问答系统的设计与实现[D].石河子:石河子大学,2024.
[25]姜伟,江溯,邹劭坤.法律人工智能导论[M].北京:北京大学出版社,2023.
[26]孙国峰.中国监管科技发展报告(2021)[R].北京:社会科学文献出版社,2021.
[27]Lewis P,Perez E,Piktus A,et al.Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks[C]//Advances in Neural Information Processing Systems 33.Red Hook:Curran Associates,2020:9459-9474.
[28]Cormack G V,Clarke C L A,Buettcher S.Reciprocal Rank Fusion Outperforms Condorcet and Individual Rank Learning Methods[C]//Proceedings of the 32nd International ACM SIGIR Conference on Research and Development in Information Retrieval.New York:ACM,2009:758-759.
[29]Louis A,Van Dijck G,Spanakis G.Interpretable Long-form Legal Question Answering with Retrieval-Augmented Large Language Models[C]//Proceedings of the AAAI Conference on Artificial Intelligence,2024,38(20):22266-22275.
[30]Xiao S,Liu Z,Zhang P,et al.C-Pack:Packed Resources for General Chinese Embeddings[C]//Proceedings of the 47th International ACM SIGIR Conference on Research and Development in Information Retrieval.New York:ACM,2024:641-649.
指导教师签名: 电子签 年 月 日
专业带头人签名: 电子签 年 月 日
二级学院院长签名（章）: 电子签 年 月 日
