详细教程：https://pan.quark.cn/s/0c54472847fc

步骤4：启动问答系统

# chat.py

from deepseek import Deepseek

from langchain.chains import RetrievalQA

model = Deepseek()

vector_db = FAISS.load_local("database", HuggingFaceEmbeddings())

qa = RetrievalQA.from_chain_type(

    llm=model,

    retriever=vector_db.as_retriever(),

    chain_type="stuff"

)

while True:

    query = input("你的问题：")

    print(qa.run(query))

运行问答：

python chat.py

步骤5：测试验证

# 示例问题

你的问题：公司年假制度是怎样的？

[系统自动检索知识库并生成回答]

你的问题：报销流程需要哪些步骤？

[系统返回PDF文档中的具体流程]

 

# 扩展示例：添加Gradio界面

import gradio as gr

def answer(question):

    return qa.run(question)

gr.Interface(

    fn=answer,

    inputs="text",

    outputs="text"

).launch()

常见问题速查

1. 文档解析失败

   ✅ 确保PDF是可复制文本格式（非扫描件）  

   ✅ 安装完整依赖：`pip install python-magic python-docx`

2. 显存不足

   ✅ 切换小模型：修改`config.yaml`中model_name为"deepseek-7b-chat"

3. 回答不准确

   ✅ 调整文档分块大小：在build_kb.py中添加  

   `text_splitter = RecursiveCharacterTextSplitter(chunk_size=500)`

此方案可在普通笔记本电脑（8GB内存）运行，适合个人知识管理、小型团队文档检索等场景。需要进阶功能时再逐步添加复杂模块。