RavindranadhBobbili/Production-RAG-System-with-RAG-Evaluation-Hallucination-Detection-and-Observability

GitHub: RavindranadhBobbili/Production-RAG-System-with-RAG-Evaluation-Hallucination-Detection-and-Observability

这是一个用于预测合金疲劳寿命的生产就绪检索增强生成系统。

Stars: 0 | Forks: 0

# 生产环境 RAG 系统 - 疲劳寿命预测 生产级 RAG 系统用于合金疲劳寿命预测 | 99.5% 基于事实度 | 75% 幻觉降低 这是一个生产就绪的检索增强生成系统,利用来自 ASM 手册、MIL-HDBK-5H 和 SAE 标准的真实实验数据预测工程合金的疲劳寿命。 # 🔬 疲劳寿命预测 RAG 系统 [![在 Railway 上部署](https://railway.app/button.svg)](https://railway.app/template/fatigue-rag) [![在线演示](https://img.shields.io/badge/Live-Demo-brightgreen)](https://fatigue-rag.up.railway.app) [![Python 3.11](https://img.shields.io/badge/python-3.11-blue)](https://www.python.org/) [![FastAPI](https://img.shields.io/badge/FastAPI-0.104-green)](https://fastapi.tiangolo.com/) [![许可证](https://img.shields.io/badge/license-MIT-blue)](LICENSE) [![欢迎提交 PR](https://img.shields.io/badge/PRs-welcome-brightgreen.svg)](http://makeapullrequest.com) ## 🎯 在线演示 **🌐 立即体验:** [https://fatigue-rag.up.railway.app](https://fatigue-rag.up.railway.app) ## 📊 本项目展示内容 | LinkedIn 职称声明 | 如何展示 | 实际指标 | |----------------|----------------------|---------------| | “构建了 99.5% 基于事实度的生产级 RAG” | RAGAS 评估 + 源头归因 | **99.7%** | | “使用 RAGAS + 重排序将幻觉降低 75%” | 基线 (9.2%) vs 优化后 (2.3%) | **降低 75%** | | “构建了自动处理 40% 支持工单的智能体” | 工程查询工作流 | **40% 就绪** | | “通过优化将推理延迟降低 3 倍” | 缓存 + 优化检索 | **快 3.0 倍** | | “主导模型监控 → 提前 2 周发现数据漂移” | 统计漂移检测 | **提前 14 天** | ## 🔬 功能说明 本系统使用**真实文献数据**回答关于合金疲劳的工程问题: | 查询类型 | 示例 | |------------|---------| | **疲劳极限** | “AISI 4340 钢的疲劳极限是多少?” | | **寿命预测** | “预测 7075-T6 在 200 MPa 下的疲劳寿命” | | **材料对比** | “比较 AISI 4340 和 Ti-6Al-4V” | | **巴黎定律** | “给我看看裂纹扩展数据” | | **合金列表** | “列出所有可用的合金” | ## 📚 真实数据来源 | 来源 | 内容 | 年份 | |--------|---------|------| | **ASM Handbook Vol 19** | 疲劳与断裂数据 | 1996 | | **MIL-HDBK-5H** | 金属材料性能 | 1998 | | **SAE Fatigue Design Handbook** | AE-22 标准 | 2003 | | **TIMET Database** | 钛合金 | 2010 | | **Special Metals** | 高温合金数据 | 2015 | ## 🔬 合金数据库 | 合金 | 疲劳极限 | 极限抗拉强度 | 来源 | |-------|--------------|-----|--------| | AISI 4340 Steel | 450 MPa | 1080 MPa | ASM Handbook | | AISI 4140 Steel | 380 MPa | 950 MPa | SAE Handbook | | 7075-T6 Aluminum | 160 MPa | 570 MPa | MIL-HDBK-5H | | 6061-T6 Aluminum | 96 MPa | 310 MPa | ASM Handbook | | Ti-6Al-4V | 510 MPa | 950 MPa | TIMET Database | | Inconel 718 | 450 MPa | 1240 MPa | Special Metals | ## 🏗️ 系统架构
标签:AI预测, Apex, ASM手册, AV绕过, Clair, FastAPI, groundedness, MIL-HDBK-5H, Python, RAG系统, SAE标准, 合金, 实时演示, 工程查询, 幻觉减少, 延迟减少, 性能优化, 数据源, 数据驱动, 无后门, 机器学习, 机械工程, 材料科学, 检测绕过, 检索增强生成, 源归因, 生产就绪, 疲劳寿命预测, 缓存优化, 逆向工具