1.使用语言

Python、Vue

2.技术要点

SSE、LangChain、Rag、FAISS、OllamaEmbeddings...

3.项目流程图

4.处理逻辑

1. 多格式文档处理

   • TXT：使用TextLoader方法解析（需注意编码格式）

   • PDF：使用PyMuPDFLoader解析文本（禁用图片/OCR提取）

   • Word：使用langchain_core.documents方法解析

2. 文本优化处理

   • 分块策略：500字符/块，50字符重叠

   • 分隔符：段落分隔符 + 中文标点

   • 元数据保留：记录原始文件路径

3. 检索增强生成(RAG)

   • 使用bge-m3模型生成文本嵌入

   • FAISS实现高效相似度检索

   • 动态构建含来源标识的上下文

4. 流式响应设计

   • 结合DeepSeekApi通过StreamingResponse实现逐字输出快速响应

   • 异步处理避免阻塞 

5.运行效果图

(1) 调用DeepSeekApi实现通用的常规问答(流式输出)

 (2) 创建/维护私有知识库

 (1) 实现对多个知识库/或指定文档进行提问，AI检索相应答案并流式输出

 项目总结

调用线上DeepSeekApi价格亲民，有条件者也可以本地部署大模型，亲测代码照样通用。未来可能会继续完善输出结果样式、支持更多文件类型、向量存储快速超找等板块。也希望支持更多业务场景，比如公司合同比对并标注、企业内部私有AI客服等。