（12841期）Audit Case Rag – 本地审计证据智能检索与页码溯源

本地审计证据智能检索与页码溯源 本地离线RAG系统，专为审计调查场景设计，支持50-200份混合文档的案件文件夹索引，提供页码级引用追溯，确保敏感证据不出本地。 使用说明 核心用法 audit-case-rag 是一套面向商业房地产审计与调查案件的本地优先、事件驱动型RAG工作流。用户需按规范命名案件目录（<项目问题编号>_<标题>），并在内部建立标准化阶段子文件夹（01policybasis至09rectification），随后通过命令行工具完成索引构建与智能检索。 索引阶段：执行 auditcaserag.py index 扫描案件目录，自动处理PDF/DOCX/PPTX/XLSX等格式，生成 manifest.jsonl 清单及本地持久化索引（joblib格式）。系统推荐搭配LibreOffice实现Office文档的精准页码映射。 查询阶段：执行 auditcaserag.py query 支持多维度过滤（--case 案件编号、--stage 阶段标签），采用混合检索策略（向量召回+TF-IDF重排序），返回答案时附带可点击的 file://...#page=N 页码级引用，直接满足审计底稿编制、整改闭环跟踪、举报线索调查的举证需求。 显著优点 完全离线：零云端API调用，敏感审计证据全程本地化，规避数据泄露风险 案件化组织：事件驱动架构，强制阶段分层（policy/process/contract/payment等），天然匹配审计作业流程 精准溯源：页码级引用（PDF #page）而非仅文件级，满足审计准则对证据可追溯性的严格要求 格式兼容：原生支持审计场景高频格式（PDF、Word、Excel、PPT），无需预处理转换 轻量部署：Python虚拟环境+单脚本运行，无复杂服务依赖 潜在局限 规模限制：设计目标为单案件50-200份文档，超大规模案件（千级文件）性能未经验证 中文分词依赖：TF-IDF重排序效果受底层分词器质量影响，专业审计术语可能需自定义词表 LibreOffice依赖：Office文档页码精准映射需外部LibreOffice进程，Windows/Linux路径配置可能存在兼容性问题 无协同机制：纯本地设计，多审计师协作需自行解决索引同步（如NAS/版本控制），无内置权限管理 索引冷启动：每次新增文档需重新索引，增量更新机制未明确 适合人群 内部审计/监察部门需处理涉密举报线索的调查人员 商业地产项目审计团队管理多阶段证据（招采-合同-结算-整改） 合规检查场景下需快速定位制度依据与付款凭证的质控岗位 对数据主权敏感、拒绝SaaS方案的企业风控部门 常规风险 索引数据残留：auditragdb/ 及转换后的PDF缓存含案件敏感信息，需严格遵循.gitignore或加密存储 路径硬编码风险：Windows/macOS/Linux路径格式差异可能导致file://链接失效 LibreOffice版本差异：不同版本Office→PDF分页结果可能偏差1-2页，关键证据建议人工复核页码 依赖库供应链：虽为本地运行，但requirements.txt中的PyPDF2/docx2pdf等库需关注CVE安全更新 证据链完整性：RAG摘要可能遗漏上下文，正式底稿引用时必须核对原始文档，避免"AI幻觉"传导至审计结论 原始说明 Local-first, event-driven RAG for commercial real estate audit & investigation case folders. Index a case directory named like "项目问题编号__标题" (with stage subfolders such as 01_policy_basis/02_process/04_settlement_payment) and query it with citations (file:// links + PDF