AI 智能方案生成 (AI Solution Generator) - 功能设计方案

1. 背景与目标

在现有“数字员工”与“企业知识库”基础上，增加自动生成解决方案 PPT 的功能。 目标：基于知识库的内容，结合 AI 大模型的生成与归纳能力，自动产出符合企业标准的解决方案演示文稿（PPTX），提升售前与方案编写效率。

2. 功能模块设计 (Functional Requirements)

本模块不仅是文档生成，而是 “知识检索 -> 逻辑构建 -> 内容创作 -> 文档渲染” 的完整闭环。

核心功能点

1. 智能大纲构建 (Outline Co-pilot)

   • 需求输入: 用户输入方案主题（如“某某客户AI客服解决方案”）、目标受众、风格偏好。
   • 大纲生成: AI 基于知识库检索相关案例、产品介绍，生成 PPT 的目录结构（章节、页标题）。
   • 交互调整: 获取大纲后，支持用户在 Web 端进行拖拽、修改、增删节点。

2. RAG 增强内容生成

   • 精准检索: 每一页 PPT 自动关联知识库中的具体文档片段（如引用“产品白皮书”的技术参数、成功案例数据）。
   • 智能撰写: 为每一页生成具体的正文内容（Bullet points）、配图建议、演讲者备注。

3. 视觉与排版

   • 模板机制: 系统内置企业标准 PPT 母版（Master Slides）。
   • 自动填充: 利用 python-pptx 将生成的文本填入预设的占位符（Placeholder），保持格式统一。

4. 文档导出

   • 生成可编辑的 .pptx 文件供下载。

3. 解决方案逻辑 (Solution Architecture)

阶段一：大纲规划 (Planning Phase)

1. User Input: "为 XX 银行设计 AI 中台解决方案"。
2. Retriever: 在向量库中检索 "AI 中台", "金融案例", "架构图" 等关键词。
3. LLM Planner: 结合检索内容，输出 JSON 格式的大纲结构。
   • Structure: [{ "page": 1, "title": "封面", "type": "cover" }, { "page": 2, "title": "需求分析", "type": "content" }, ...]

阶段二：内容填充 (Content Generation Phase)

1. 针对大纲的每一页，再次发起检索（利用 Page Title 作为 Query）。
2. LLM Writer: 生成该页面的具体内容结构。
   • Output: { "title": "核心痛点", "bullets": ["人工客服成本高", "夜间服务缺位"], "notes": "强调降本增效" }

阶段三：渲染输出 (Rendering Phase)

1. Template Engine: 读取预置的 .pptx 模板。
2. Mapping: 将 JSON 数据映射到 PPT 的 Title 和 Body 占位符中。
3. File Save: 输出最终文件。

4. 技术路径 (Technical Stack)

• 后端: Python / FastAPI
• 核心库: python-pptx (用于 PPT 操作), LangChain (用于 RAG 和 LLM 调用)
• 数据库: PostgreSQL + pgvector (现有知识库)
• 前端: Next.js (交互式大纲编辑器)

5. 实施计划 (Implementation Roadmap)

1. Step 1 (POC): 验证 python-pptx 可行性。编写脚本测试“读取模板 -> 填入数据 -> 保存”的流程。(已完成)
2. Step 2 (Backend API): 开发生成大纲的 API 接口 (/api/v1/solution/outline)。
3. Step 3 (End-to-End): 集成 RAG 检索，实现从“输入主题”到“下载 PPT”的全流程。