RAG 系统 - 蒲仙话方言智能问答系统

一个基于 RAG（检索增强生成）技术的智能问答系统，专门用于蒲仙话方言知识库查询和对话。系统集成了向量数据库、Elasticsearch 和本地 LLM 模型，支持知识库管理和智能对话功能。

系统架构

• 后端: Flask + MySQL + ChromaDB + Elasticsearch
• 前端: Vue 3 + Vite
• AI模型: Ollama (DeepSeek-R1) + BGE 嵌入模型
• 容器化: Docker Compose

功能特性

• 🤖 智能对话：基于本地 LLM 的自然语言对话
• 📚 知识库管理：支持创建、上传、处理和删除知识库
• 🔍 RAG 检索：结合向量搜索和关键词搜索的混合检索
• 🗣️ 方言专家：专门的蒲仙话方言知识问答
• 📄 PDF 处理：自动提取和索引 PDF 文档内容
• 👤 用户认证：基于 Session 的用户登录系统

环境要求

• Python 3.8+
• Node.js 16+
• Docker & Docker Compose
• Ollama (用于本地 LLM)

快速开始

1. 克隆项目

git clone <repository-url>
cd rag

2. 启动基础服务

# 启动 MySQL 和 Elasticsearch
docker-compose up -d

3. 安装 Ollama 并下载模型

# 安装 Ollama (Linux/macOS)
curl -fsSL https://ollama.ai/install.sh | sh

# 下载 DeepSeek-R1 模型
ollama pull deepseek-r1:8b

4. 环境变量配置

# 复制环境变量模板文件
cp .env.example .env

# 编辑 .env 文件，配置您的 API 密钥
# DEEPSEEK_API_KEY=your_deepseek_api_key_here

5. 后端设置

# 创建conda环境
conda create -n rag python=3.10
conda activate rag

# 安装GPU版本的PyTorch
python install_gpu_pytorch.py

# 安装 Python 依赖
pip install -r requirements.txt

# 下载嵌入模型（可选，首次运行会自动下载）
python download_model.py

# 启动后端服务
python run.py

后端服务将在 http://localhost:5000 启动

6. 前端设置

cd frontend

# 安装依赖
npm install

# 启动开发服务器
npm run dev

前端服务将在 http://localhost:5173 启动

配置说明

环境变量配置 (.env)

项目使用环境变量来管理敏感配置信息。请复制 .env.example 文件为 .env 并配置以下变量：

# DeepSeek API 密钥（必需）
DEEPSEEK_API_KEY=your_deepseek_api_key_here

注意: .env 文件已被添加到 .gitignore 中，不会被提交到版本控制系统。

后端配置 (app/config.py)

class Config:
    # 数据库配置
    SQLALCHEMY_DATABASE_URI = "mysql+pymysql://myuser:mypassword@localhost:3306/mydatabase"
    SECRET_KEY = '123456'  # 用于启用 session 和 cookie 的加密

    # DeepSeek API 配置（从环境变量读取）
    DEEPSEEK_API_KEY = os.getenv('DEEPSEEK_API_KEY')
    DEEPSEEK_BASE_URL = "https://api.deepseek.com"

    # Ollama 配置
    OLLAMA_API_URL = "http://localhost:11434"
    OLLAMA_DEFAULT_MODEL = "deepseek-r1:8b"
    OLLAMA_DEFAULT_TEMPERATURE = 0.5

    # 向量数据库配置
    CHROMA_PERSIST_DIR = "./data/chroma"

    # Elasticsearch 配置
    ELASTICSEARCH_URL = "http://localhost:9200"

    # 知识库路径
    KNOWLEDGE_BASE_PATH = "./knowledge"

前端代理配置 (frontend/vite.config.js)

API 请求会自动代理到后端服务：

server: {
  proxy: {
    '/api': {
      target: 'http://localhost:5000',
      changeOrigin: true,
      secure: false,
      ws: true,
      rewrite: (path) => path
    }
  }
}

使用指南

1. 用户注册/登录

访问系统首页，点击注册或登录按钮创建账户。

2. 知识库管理

• 创建知识库: 在知识库管理页面输入名称创建新知识库
• 上传文件: 选择知识库并上传 PDF 文件
• 处理文件: 点击处理按钮将文档内容索引到向量数据库
• 删除知识库: 删除不需要的知识库及其所有文件

3. 智能对话

• 普通对话: 与 AI 进行自然语言对话
• 知识库问答: 选择特定知识库进行基于文档的问答
• 方言咨询: 询问蒲仙话相关的方言知识

项目结构

├── app/                    # 后端应用
│   ├── routes/            # 路由模块
│   ├── services/          # 业务逻辑
│   ├── utils/             # 工具函数
│   └── config.py          # 配置文件
├── frontend/              # 前端应用
│   ├── src/
│   │   ├── components/    # Vue 组件
│   │   ├── views/         # 页面视图
│   │   └── api/           # API 接口
├── data/                  # 数据存储目录
├── knowledge/             # 知识库文件
├── models/                # AI 模型文件
├── .env                   # 环境变量配置（不提交到Git）
├── .env.example           # 环境变量模板
├── .gitignore             # Git忽略文件配置
├── docker-compose.yml     # Docker 配置
└── requirements.txt       # Python 依赖

开发说明

后端开发

# 开发模式启动
export FLASK_ENV=development
python run.py

前端开发

cd frontend
npm run dev

构建生产版本

# 前端构建
cd frontend
npm run build

# 后端生产模式
python run.py  # debug=False

故障排除

常见问题

1. API 密钥配置错误

   • 确保已创建 .env 文件并配置了 DEEPSEEK_API_KEY
   • 检查 API 密钥是否有效
   • 确认 .env 文件在项目根目录

2. Ollama 连接失败

   • 确保 Ollama 服务正在运行：ollama serve
   • 检查模型是否已下载：ollama list

3. 数据库连接错误

   • 确保 Docker 服务正在运行：docker-compose ps
   • 检查数据库配置是否正确

4. 前端无法访问后端

   • 检查后端服务是否在 5000 端口运行
   • 确认 Vite 代理配置正确

日志查看

# 查看 Docker 服务日志
docker-compose logs

# 查看特定服务日志
docker-compose logs mysql
docker-compose logs elasticsearch