🤖 AutoAudit--智能审计决策系统

---

📋 项目简介

AutoAudit是一个基于大语言模型（LLM）的智能审计平台，集成了知识图谱、RAG检索增强生成、强化学习等前沿技术，为审计工作提供智能化支持。

🎯 核心价值: 突破传统审计工具局限，支持复杂业务逻辑的深度推理

---

✨ 功能特性

🤖 智能对话Agent

• ✅ 基于LangChain的多轮对话式审计决策
• ✅ 上下文感知的连续对话
• ✅ 专业推理和审计建议

🗺️ 知识图谱

• ✅ 整合COBIT、ISO27001、SOX等审计标准
• ✅ 实体识别和关系抽取
• ✅ 动态知识更新

🔍 Agentic RAG系统

• ✅ 智能检索增强生成
• ✅ 向量数据库支持
• ✅ 语义搜索和答案生成

⚠️ 风险评估

• ✅ 自动识别和评估审计风险
• ✅ 风险等级评分
• ✅ 实时风险监控

✅ 合规检查

• ✅ 对照标准进行合规性检查
• ✅ 多标准支持（COBIT、ISO27001、SOX）
• ✅ 整改建议生成

🎓 模型训练

• ✅ 支持SFT、RLHF等训练方法
• ✅ LoRA高效微调
• ✅ Benchmark测评系统

---

🚀 快速开始

📦 环境要求

• Python 3.8+ 🐍
• MySQL 8.0+ 🗄️
• Neo4j 5.0+ 🕸️
• 8GB+ RAM 💾

🏃 一键启动（推荐）

Windows 用户

# 双击运行
start.bat

Linux/Mac 用户

# 赋予执行权限
chmod +x start.sh

# 运行启动脚本
./start.sh

📝 手动安装

1. 克隆项目

git clone <repository-url>
cd intelligent-audit-system

2. 创建虚拟环境

python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
venv\Scripts\activate  # Windows

3. 安装依赖

pip install -r requirements.txt

4. 安装spaCy模型

python -m spacy download en_core_web_sm

5. 配置环境变量

cp config.env.example config.env
# 编辑config.env，填入相应配置

6. 初始化数据库

# 初始化MySQL
python database/init_db.py

# 初始化Neo4j
python knowledge_graph/neo4j_init.py

7. 启动系统

python web/main.py

🌐 访问系统

打开浏览器访问: http://localhost:8000

---

🎮 功能模块

💬 智能对话

• 🎯 访问 /chat
• 💡 与AI审计助手进行专业对话
• 🔄 多轮对话支持

🔍 审计分析

• 🎯 访问 /audit
• ⚡ 自动风险评估和合规检查
• 📊 可视化结果展示

📚 知识管理

• 🎯 访问 /knowledge
• 📖 构建和维护审计知识库
• 🗺️ 知识图谱可视化

🎓 模型训练

• 🎯 访问 /training
• 🏋️ SFT和RLHF训练
• 📈 性能评估和对比

---

📡 API接口

💬 聊天API

POST /api/chat
Content-Type: application/json

{
    "message": "请对ERP系统进行安全审计",
    "session_id": "optional_session_id"
}

🔍 审计API

POST /api/audit
Content-Type: application/json

{
    "audit_item": "ERP系统",
    "audit_type": "安全审计",
    "standard_type": "COBIT",
    "risk_level": "高"
}

---

📁 项目结构

intelligent-audit-system/
├── agents/                 # 智能Agent模块
│   └── audit_agent.py
├── knowledge_graph/        # 知识图谱模块
│   ├── builder.py
│   └── neo4j_init.py
├── rag/                    # RAG系统模块
│   └── agentic_rag.py
├── training/               # 训练模块
│   └── training_pipeline.py
├── web/                    # Web界面
│   └── main.py
├── templates/              # HTML模板
│   ├── index.html         # 主页
│   ├── chat.html          # 聊天页面
│   ├── audit.html         # 审计分析
│   ├── knowledge.html     # 知识管理
│   └── training.html      # 模型训练
├── database/               # 数据库模块
│   └── init_db.py
├── config.py               # 配置文件
├── requirements.txt        # 依赖列表
└── start.py                # 启动脚本

---

⚙️ 配置说明

🔧 环境变量

编辑 config.env 文件：

# MySQL配置
MYSQL_HOST=localhost
MYSQL_PORT=3306
MYSQL_USER=your-username
MYSQL_PASSWORD=your-password
MYSQL_DATABASE=audit_system

# Neo4j配置
NEO4J_URI=bolt://localhost:7687
NEO4J_USER=your-username
NEO4J_PASSWORD=your-password

# LLM API配置
QWEN_API_KEY=your_api_key
QWEN_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

---

📥 模型下载

如果需要使用RAG功能，需要下载Sentence Transformers模型：

🌟 使用镜像站（推荐）

# Windows PowerShell
$env:HF_ENDPOINT="https://hf-mirror.com"

# Linux/Mac
export HF_ENDPOINT=https://hf-mirror.com

# 启动系统，会自动下载
python web/main.py

详细说明请查看：📥 下载模型说明.md

---

❓ 常见问题

❓ 模型下载失败？

• ✅ 使用镜像站: 设置 HF_ENDPOINT=https://hf-mirror.com
• ✅ 或手动下载模型到 ./models/ 目录

❓ 数据库连接失败？

• ✅ 确保MySQL和Neo4j服务已启动
• ✅ 检查配置信息是否正确

❓ API调用失败？

• ✅ 检查API密钥是否正确
• ✅ 验证网络连接

更多问题请查看：📚 PyCharm配置指南

---

📊 性能指标

• 🎯 准确率: 85%+ 的审计建议准确性
• ⚡ 响应时间: <3秒
• 👥 并发支持: 100+ 并发用户
• 💪 可用性: 99.9% 系统可用性

---

🤝 贡献指南

欢迎贡献代码！请遵循以下步骤：

1. 🍴 Fork 项目
2. 🌿 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 💾 提交更改 (git commit -m 'Add some AmazingFeature')
4. 📤 推送到分支 (git push origin feature/AmazingFeature)
5. 🔄 开启 Pull Request

---

📄 许可证

本项目采用 MIT License - 查看 LICENSE 文件了解详情

---

👥 联系我们

如有问题或建议，请提交 Issue

---

intelligent-audit-system 快速上手指南

🛠️ 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Windows, Linux 或 macOS
• Python: 3.8 或更高版本 🐍
• 数据库:
  • MySQL 8.0+ 🗄️
  • Neo4j 5.0+ (用于知识图谱) 🕸️
• 硬件资源: 建议内存 8GB 以上 💾
• 网络: 需配置大模型 API Key（如通义千问）及 Hugging Face 镜像源（国内推荐）

📦 安装步骤

1. 克隆项目

git clone <repository-url>
cd intelligent-audit-system

2. 创建并激活虚拟环境

python -m venv venv

# Linux/Mac
source venv/bin/activate

# Windows
venv\Scripts\activate

3. 安装依赖与 NLP 模型

pip install -r requirements.txt
python -m spacy download en_core_web_sm

4. 配置环境变量

复制示例配置文件并根据实际情况编辑 config.env：

cp config.env.example config.env

注意：请在 config.env 中填入您的 MySQL、Neo4j 连接信息以及 LLM API Key。

5. 初始化数据库

依次执行以下命令初始化关系型数据库和图数据库：

python database/init_db.py
python knowledge_graph/neo4j_init.py

6. 配置国内镜像加速（可选但推荐）

为避免模型下载失败，建议设置 Hugging Face 镜像源：

Linux/Mac:

export HF_ENDPOINT=https://hf-mirror.com

Windows (PowerShell):

$env:HF_ENDPOINT="https://hf-mirror.com"

🚀 基本使用

启动系统

完成上述步骤后，运行主程序启动服务：

python web/main.py

(Windows 用户也可直接双击运行 start.bat)

访问界面

打开浏览器访问：http://localhost:8000

快速体验功能

1. 智能对话审计

进入 /chat 页面或直接调用 API 进行多轮对话：

POST /api/chat
Content-Type: application/json

{
    "message": "请对 ERP 系统进行安全审计",
    "session_id": "session_001"
}

2. 自动化风险评估

进入 /audit 页面或调用 API 生成合规报告：

POST /api/audit
Content-Type: application/json

{
    "audit_item": "ERP 系统",
    "audit_type": "安全审计",
    "standard_type": "COBIT",
    "risk_level": "高"
}

系统将根据设定的标准（如 COBIT, ISO27001, SOX）自动分析风险等级并生成整改建议。