policy-llm-wiki

面向 医疗器械 / 药品监管 等政策法规场景的 LLM-Wiki 知识库：从 PDF/Word 抽取、清洗、人工校验，到按章拆分的可查询 Wiki；问答 **只读 wiki/**，并以 可溯源条文表格 约束幻觉。

✨ 为什么用 LLM-Wiki，而不是「上传 PDF 就 RAG」？

• 📄 事实源：人工校验后的 raw/（导入 wiki 时 agent 只读）
• 🔍 查询层：wiki/（问答 禁止 回读 data/、raw-0/、clean/、raw/）
• 🧾 可溯源：先填「关键溯源条文」表格（§6.2），再写面向客户的归纳答案（§6.4，见 wiki-查询指导.md）

🖼️ 可溯源问答

示例格式见 qa-test/answer-example.md。

🔄 端到端流水线（从 PDF 到可查询 Wiki）

data/、raw-0/、clean/ 及两个 *-plan/ 子项目 不参与查询，避免上下文膨胀与「每次重新读 100 页法规」。

🚀 快速开始

1️⃣ 环境

API / 模型配置：ocr-plan/config.py、clean-plan/config.py。

2️⃣ 抽取：data/ → raw-0/

详见 ocr-plan/README.md。

3️⃣ 清洗：raw-0/ → clean/

汇总报告：clean/_clean_report.md。详见 clean-plan/README.md。

4️⃣ 人工校验 → raw/

对 clean/ 中 Markdown 校对 章节标题、表格、关键条款，确认无误后移入 raw/。此后以 raw/ 为 wiki 事实源，不再回改上游产物。

5️⃣ 拆分 → wiki/ + LLM 补全

脚本生成正文与占位 -index.md（TODO: 待LLM总结）。再由 LLM 按 wiki-拆分指导.md §4 条文摘要 → §5 关联文件 补全；提示词见该文档 §8。

6️⃣ 查询 / 答题 / 评测

• 查询：只读 wiki/，遵循 wiki-查询指导.md
• 答题：qa-test/question-template.md → 先 溯源表格，后 答案
• 评测：qa-test/evaluate.md、qa-test/check-answer-against-wiki.md

🤖 给 Coding Agent

导入新规范：**raw/ 已就绪** → split_wiki → LLM 按 wiki-拆分指导.md 补摘要与关联。 用户提问：**只查 wiki/**，输出含溯源表格的答案。

🤝 贡献与许可

欢迎通过 Issue / PR 补充规范、修正 wiki 条目或完善流水线。许可文件待定（LICENSE）。

政策法规类文档：条款 · 定义 · 时限 · 法律依据 — 保留在正文，不被摘要稀释。