我需要完成下面这五道问答题的提示词：三、问答题
说明：以下 5 题请按电脑作答方式完整书写，围绕 “问题理解 - 方案设计 - 实施步骤 - 风险与异常处理 - 验收方式” 展开，要求写出清晰、可执行的解决方案，能够真的按照这个步骤做出可落地的产品。
16.【数据接入与标准化】
公司各部门会提交历史材料价格 Excel，字段格式不完全统一，有些写 “钢筋 HRB400 Φ18”，有些写 “HRB400 18 螺纹钢”，有些地区写 “德阳”，有些写 “德阳市旌阳区”。请设计一个从 Excel 导入到标准化入库的完整方案，要求最终能进入结构化价格库，并能支撑后续 RAG 检索。
必须覆盖：
导入流程
字段映射
材料名称标准化
规格拆分
单位标准化
地区标准化
异常值处理
入库前校验
原始数据留痕
17.【RAG 链路设计】
请基于 “德阳 2026-03 C30 商品混凝土多少钱” 这个问题，设计一条完整的查询 -> 检索 -> 生成链路。要求写清楚系统如何识别查询字段、如何做元数据过滤、如何做混合检索、如何重排、如何生成结构化答案，以及如何返回引用依据。
必须覆盖：
Query parsing
查询重写
metadata filter
BM25 + 向量召回
rerank
structured output / JSON
source citation
18.【非结构化文件入库】
现在除了 Excel，还会收到 PDF 报价单、Word 询价说明、截图、历史项目附件。请设计一个非结构化资料入库到知识库的方案，并说明如何与结构化价格表建立关联。
必须覆盖：
文件分类与存储
文本提取方式
文档分块策略
元数据设计
source_file 与 price_fact /material_knowledge 的关联方式
如何保证可追溯
如何处理 “有附件但字段不全” 的情况
19.【Demo 落地与部署】
假设要求在 1-2 周内做出 Demo，支持 500-800 条价格记录、10 个典型查询案例、一个简单问答页面或接口。请给出你的技术落地方案，包括前后端、数据库、向量库、模型调用、部署方式和验收方式。
必须覆盖：
最小可行技术栈
数据库选型
向量库选型
后端接口设计
前端或管理页设计
Docker / Linux / 云服务器部署
日志与错误排查
Demo 验收指标
20.【Vibe Coding 实战题】
请结合 Cursor 或 VS Code + Cline，说明如果让你来开发这个项目中的 “Excel 批量导入 + 标准化校验 + 入库接口” 模块，你会如何使用 AI 编程工具提升效率，同时避免它生成错误代码或破坏原有工程结构。
必须覆盖：
你会如何拆任务给 AI
你会如何写 prompt / 约束
你会如何让 AI 先读现有项目结构
你会如何校验生成代码
如果 AI 改坏代码，你怎么回滚
如何防止 AI 一次性生成过大改动
如何让 AI 补测试或自检脚本