YQ·AI正式发布及介绍

近年来，纤维增强复合材料（Fiber Reinforced Polymer，简称FRP）拉挤型材得到了巨大的发展，凭借其轻质高强、耐腐蚀性强、绿色低碳、施工便捷等特点，被广泛使用于建筑、桥梁、通讯、能源及海洋工程领域，尤其是在风电叶片、工业复材冷却塔、FRP桥面板等产品上，FRP拉挤型材表现出巨大的发展和应用潜力。

随着其向高性能、多功能方向迭代，科研工作者常面临文献体量庞大、试验参数繁杂、行业标准与科研数据衔接不畅等痛点。

在此背景下，利用AI技术辅助科研无疑为这一问题提供了一种全新的解法，但也存在知识过时、AI幻觉等问题，极大地影响着AI的准确性与真实性。

RAG（Retrieval-Augmented Generation，检索增强生成）技术，即利用外部知识库检索，辅助大语言模型进行内容生成的融合技术，其通过为大模型提供动态、可追溯的外置知识库，有效解决AI准确性问题。

基于RAG技术，FengSLab课题组开发了科研论文知识库智能体 YQ·AI。他专注于复合材料拉挤型材领域的研究，可认为是一位在该领域具有丰富经验的学者，“知识广博、言之有据”是他的特点

知识库搭建阶段

• 文档加载：借助多模态技术，支持文本、表格、图片、网页等多种格式文档载入；

• 文档分割：按语义窗口与重叠切分片段，避免上下文截断，提升检索精度；

• 向量存储：使用嵌入向量(Embedding)模型，将离散对象压缩为低微稠密向量，保留对象的核心特征或语义关系，存入数据库，建立相似度检索的索引。

知识库使用阶段

• 检索：将用户检索输入向量化，在向量库中进行相似度比对，返回检索结果；

• 增强：将检索片段、引用来源、格式指令拼接为增强提示词；

• 生成：LLM模型根据检索结果及增强提示词，生成可溯源回答，同时输出引用标注以提升可信度。

YQ·AI的知识底座是英国华威大学工程学院 J. T. Mottram 教授整理的拉挤型材参考文献列表《Reference and Bibliography Database  on Research and Development with Pultruded Fibre Reinforced Polymer Shapes and Systems》，其中共包括 3466 个条目，涵盖1990-2025年发表的拉挤型材领域部分专著、新闻、文献、标准、专利、论文集及硕士/博士论文，本拉挤型材知识库共收录其中2438个条目。

为提升知识库检索精度，有必要对入库文档进行规范化标签标注：

• 文档类别：专著、新闻、文献、标准、专利、论文集、博士/硕士论文

• 研究方法：综述、试验研究、数值模拟、理论推导、机器学习

• 研究对象：板/片、柱/桩、梁、筋/索、组合结构、连接

  （若研究对象为多种不同类型的构件，则归类为“型材”）

• 主要问题：拉伸性能、压缩性能、弯曲性能、剪切性能、扭转性能、振动性能、蠕变性能、疲劳性能、冲击性能、断裂性能、界面性能、摩擦性能、热性能、耐久性能、缺陷识别

  （最多添加2个，若包含拉压弯剪扭中的至少3个，则合并为“力学性能”）

• 工程背景：桥梁工程、铁路工程、通信工程、海洋工程、能源工程、建筑工程

YQ·AI 使用 ima 平台搭建，具备以下核心功能：

搭建指南

• 基础搭建：直接上传 PDF 文献即可。

• 优化建议：可通过文件夹分类、添加标签提升检索精度与效率，可参考第 3 节。

• 数据迁移：其他文献管理工具按分类导出 PDF 后，即可批量导入平台。

YQ·AI 依托 ima 平台搭建，整合了 FRP 拉挤型材领域 1990-2025 年共 2438 篇权威文献，打造出 "知识可溯源、回答可查证" 的垂直领域科研 AI 助手，有效解决了通用大模型在专业领域的幻觉与准确性难题，同时大幅降低了文献检索与知识整合的科研时间成本，为用户提供高效、准确的 AI 科研辅助工具。

YQ·AI 的具体应用，详见YQ·AI发布系列推送，可通过文末的相关研究动态跳转查看。

YQ·AI 免费使用，如果您希望使用该知识库，请扫描上方二维码，并通过邮件联系管理员提交申请，审核通过后将为您开通使用权限。