# rag-knowledge-base

**Repository Path**: itbyg/rag-knowledge-base

## Basic Information

- **Project Name**: rag-knowledge-base
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-07-26
- **Last Updated**: 2026-08-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 轻舟本地智能知识库系统

纯本地运行的 RAG（检索增强生成）知识库，支持文档导入、语义检索和 AI 回答生成。

## 功能

- 多格式文档导入（PDF、Word、TXT、Markdown）
- 智能语义检索
- AI 生成回答（本地 Ollama + 远程 API 双后端）
- 命令行 + Web 双界面

## 安装

```bash
# 1. 创建虚拟环境
python3 -m venv venv
source venv/bin/activate

# 2. 安装依赖
pip install -r requirements.txt

# 3. 安装命令行工具
pip install -e .
```

首次运行时会自动下载 BGE 中文嵌入模型（约 100MB）。如果下载缓慢，可设置国内镜像：

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

## 使用

激活虚拟环境后即可使用：

```bash
# 进入项目目录，激活环境
source venv/bin/activate

# 导入文档
rag-cli ingest docs/

# 提问
rag-cli ask "什么是RAG？"

# 管理知识库
rag-cli list          # 查看文档列表
rag-cli stats         # 统计信息
rag-cli clear         # 清空知识库
```

### Web 界面

```bash
source venv/bin/activate

# 启动服务
./start.sh restart

# 代码变更自动重载
./start.sh watch

# 停止
./start.sh stop
```

浏览器打开 `http://localhost:7860`：

| 页面 | 路径 | 功能 |
|------|------|------|
| Chat 问答 | `/` | 对话式智能问答，支持快捷提问 |
| 文档管理 | `/manage` | 上传、下载、删除文档 |
| 设置 | `/settings` | LLM 后端、模型名、检索参数 |

## 技术栈

- 嵌入模型：BAAI/bge-small-zh-v1.5（中英双语）
- 向量数据库：ChromaDB / Milvus（可切换）
- 文档解析：PyMuPDF（PDF）、python-docx（Word）
- LLM：本地 Ollama + 远程 DeepSeek API
- Web：Flask + Notion 风格 UI

## 硬件要求

- CPU：2 核以上
- 内存：4GB 以上
- 磁盘：2GB 可用空间